Продолжение «Манифеста созидателя» и «Лицензии на агентство». #profgames

Если внимательно читать новости про нашу айтишечку, появляется лёгкое ощущение, что ты окунулся в новую версию письма с Канатчиковой дачи. Дорогая передача, во субботу, чуть не плача.

С одной стороны — публичные репозитории захлёбываются: curl закрывает приём отчётов о дырах, потому что их пишет робот; мейнтейнеры жгут выходные на триаж галлюцинаций; GitHub прикручивает стоп-кран (kill switch) на входящие, как редактор отдела писем в дурдоме. С другой — те же самые роботы собирают за ночь то, на что вчера у команды уходил год, и ищут реальные "нулики" в открытых проектах пачками. С третьей — лейблы судятся, регистры данных вводят прайс на robots.txt, а Copyright Office на голубом глазу объясняет, что переставить пару абзацев и нажать кнопки «отправить» — это творческий вклад, а вот сам сгенеренный "Война и мир" — уже нет. Рамка ваша, картина — ничья.

Это выглядит как апокалипсис в одном отдельно взятом тазике. И это так.

Чтобы не было ощущения, что это пророчество из баньки с паучками. Под текстом — событийный слой из 110 задокументированных сигналов по семи предметным зонам: OSS, музыка, издательство, data commons, право, security disclosure и cloud/runtime. Дальше факты идут вперемешку с метафорами и как примеры; полная таблица событий со ссылками на первоисточники и уровнем доказательности (A — есть первоисточник, B — вторичка, и так далее) — в приложении. Где утверждение спорное, рядом стоит сноска «для душнил» с номером сигнала. Манифест — это всё-таки манифест.

Но прежде чем углубляться, давайте разберёмся в трёх слонах, на чьих плечах стоял черепахан, у которого на горбу этот тазик и плескался.

Слон первый: код что-то стоил

Воспроизвести было дорого. Не запретительно — но достаточно, чтобы большинство соглашалось играть по правилам.

«Свежий взгляд» молодого конкурента почти всегда компенсировался накопленным наследием: пониманием предметной области, замороченной бизнес-логикой, которую никто уже не помнит, и тонким слоем антиреверса и защиты от утечек сверху. Утечка исходников Windows не привела к появлению новых виндов. Кода было достаточно — не хватало всего остального, что вокруг кода наросло за двадцать лет и что нельзя унести в архиве.

Дорого копировать — значит копий мало. Значит вор виден издалека. Значит создатель снимает свою ренту просто потому, что между ним и нахлебником стоит цена труда. Полиция кармы не нужна — её работу делает себестоимость.

Слон второй: авторство можно было доказать

Артефакт был стабилен. Авторство легко трассировалось. git blame работал. Копирайт цеплялся к набору строк, а набор строк было дорого править — что сломается, непонятно. Кровавый энтерпрайз, конечно, мог утащить твой GPL к себе в коробку — но это не приветствовалось, иногда выходило боком, и в принципе было видно невооружённым глазом: вот твой код, вот их продукт, найди десять отличий, отличий нет.

Доказуемость происхождения — второй слон. Не потому что часто судились. А потому что могли, и все это знали.

Слон третий: принуждение работало

Можно было дотянуться или хотя бы попортить кровь. Лицензии не были бумажным тигром. Фонд свободного ПО (FSF) дотянулся до Cisco, BusyBox — до Verizon, Samsung и Best Buy, Harald Welte — до D-Link и Fortinet, Stockfish — до ChessBase. Почти всегда это заканчивалось не голливудским приговором, а скучным: выложить исходники, прекратить продажи, признать нарушение, заплатить юристам. Но именно это и было силой третьего слона: рынок знал, что если код видно и происхождение доказуемо, то принуждение работает. На дьюдиле юристы морщались от GPL и требовали обоснований, как с этим жить. Лицензия имела зубы — редко кусала, но укусить могла, и угроза укуса дисциплинировала рынок лучше любого укуса.

Теперь поиграем в теорию игр — раз уж мы в profgames

Три слона держали друг друга. Дорого копировать → копий мало → легко отследить → легко принудить → создатель получает своё → отклоняться (воровать) невыгодно. Это классическое равновесие по Нэшу: при данных правилах ни одному игроку не выгодно ходить иначе. Не мораль удерживала индустрию в рамках. Удерживала структура выплат. Вести себя прилично было просто-напросто дешевле, чем вести себя плохо.

Красота равновесия в том, что оно не требует, чтобы кто-то был хорошим. Оно требует только, чтобы плохое не окупалось. Двадцать лет не окупалось.

А потом все три слона приболели. Одновременно.

Слоны на больничном

Первый: агенты сделали код практически бесплатным. Не в ноль, конечно — но в долгосроке на пару порядков точно. И дело не только в том, что «программируют быстрее». Это самое скучное и самое неверное объяснение. Дело в сжатии посредников и прочих эффектах, которые я разбирал в «Играх в профессию»: результат, который раньше давала команда из тридцати, сегодня вполне выдают трое — да ещё и вдвое быстрее, потому что коммуникативный зазор схлопнулся, а с ним и весь связанный набор когнитивных искажений, на согласование которых уходило восемьдесят процентов времени. Не «инструмент стал острее». Изменилась геометрия команды. Первый слон сел на землю.

Второй: провенанс испортился. В «Играх в профессию» я говорил о профессиональном провенансе — кто ты, что ты на самом деле умеешь, чем докажешь. Сейчас — про другое, про доказательство авторства самого артефакта. Агент берёт ваш питон, переписывает на расте, заодно меняет английские имена функций на китайские, и обоснование того, что это «один и тот же код», превращается в задачу с бесконечным количеством звёздочек. JPlag показывает один процент сходства. Лучшие детекторы AI-кода работают с точностью «ниже практической применимости» и рассыпаются на любой трансформации. Слон зажмурился: он по-прежнему хочет доказать авторство, но больше не видит, что доказывать.

Третий: у Фемиды опустели весы. Принуждение не сломалось. Право живо. GPL по-прежнему бьётся с "кровавым энтерпрайзом", охват даже растёт. Сломался мост между правом и реальностью — дешёвая возможность обычного мейнтейнера связать подозрение, доказательство и иск в одну цепочку. Закон отлично работает там, где провенанс и так очевиден, и буксует ровно там, где он теперь нужен. Третий слон стоит на ногах, бодро трубит и совершенно никого не пугает. Меч есть. Непонятно направление удара.

Утечка кода Windows не привела к новым виндам. Утечка харнесса Claude Code привела к его клону за ночь и самому быстрорастущему репозиторию в истории GitHub. Разница не в коде. Разница в том, что между двумя утечками сдохли все три слона.

Куда перекосит черепаху

Раз равновесие поехало — опять поиграем в теорию и прикинем, в какую сторону.

Ценность ведь никуда не делась. Она перетекает. По старому доброму правилу: коммодитизируй сущность — и рента уходит к тому, что осталось дефицитным. Код обнулился — значит рента поедет к тому, что ещё дорого воспроизводить и, главное, концентрирует эту стоимость по своей природе.

Гиперскейлеры и компьют. Агенты удешевляют софт, но не удешевляют дата-центры, пиринг и отношения с регулятором. У вычислений, гиганских датасетов и дистрибуции — экономия на масштабе и сетевые эффекты, то есть встроенная склонность к концентрации. Поэтому равновесие Нэша съезжает не «куда хочется злодеям», а туда, куда его толкает математика: к контролю узких мест. Отсюда около 77% мировой AI-инфраструктуры в одной стране и порядка 87% AI-трат у горстки игроков. Это не заговор. Это градиент. Заговор пришлось бы организовывать — а сюда всё стекает само.

Так уже было, причём ровно с этой индустрией. Песок, деньги и лучшие мозги со всего мира когда-то сползлись в один калифорнийский округ — не потому, что кто-то нарисовал генплан, а потому что туда тёк градиент оборонных контрактов, венчура и университетов. Получилась Кремниевая долина: индустрия на триллионы и научно-техническое превосходство на десятилетия. Гравитация не выбирает, она просто тянет всё в самую глубокую лунку. Сейчас лунка — это вычислительные мощности, данные и заказы "дяди Сэма" или "Большой Панды", и в неё скатывается всё то же самое: песок, деньги, лучшие мозги. Просто на этот раз — быстрее.

Данные и огораживание общин. Кто понял, что его вклад экспроприируют, строит забор. Reddit судится и подписывает сделки на сто тридцать миллионов. Wikipedia заводит платный канал для машин. RSL превращает robots.txt из «да/нет» в лицензионный прайс — по сути, РАО (Российское Авторское Общество)/ASCAP для веба. Общее поле, по которому все ходили бесплатно, на глазах нарезается на огороженные участки.

Только есть подозрение, что забор этот — одноразовый, и его скоро снесут: модели обучаются на синтетике, обходят, дистиллируют чужое, и стена, за которую вчера платили сто тридцать миллионов, завтра обесценивается до нуля. Хуже того — многие ещё видят опору в старых слонах и старательно натягивают между ними колючую проволоку: лицензии, condition-of-use, запреты на обучение, оговорки в EULA. Выглядит солидно. Вот только слоны — болеют. Натягивать ограждение между подламывающимися опорами — занятие художественно оправданное, но непрактичное.

JITI — Just in Time IT. Там, где цена ошибки невелика — интерфейсы, склейки, отчёты, внутренняя автоматика — софт перестаёт быть артефактом и становится услугой по требованию: собирается на лету, под конкретного пользователя, размер партии — один. Не «купил программу». А «попросил, получил, выкинул». Это и есть новое русло, к которому стекается вода.

И вот теперь главное про направление. В новом равновесии платят не за вклад. Платят за контроль над входом. Reddit может торговаться — у него масса. Мейджор-лейбл может — у него ASCAP, BMI, GEMA и семьдесят лет каталога. Одиночный мейнтейнер не может. Независимый музыкант не может. Они подают коллективные иски и остаются ни с чем, пока "большие парни" делят сад, посаженный чужими руками. Ценность теперь пропорциональна переговорной силе, а не созиданию. Старое равновесие эту асимметрию прятало за ценой труда и компенсацией результата. Новое — цинично доводит до предела.

И наша тихая айтишечка тут совсем не чемпион

Нам нравится думать, что мы — острие, что всё страшное случается с нами первыми. Расслабьтесь. Если поднять глаза от своего тазика и посмотреть на соседей по палате — издательское дело и музыка проходят ровно эти эффекты с опережением.

И это не лирическое отступление, а метод. Музыку и литературу стоит читать как контрольные отрасли — систему раннего предупреждения для всех "когнитивных индустрий". У них слоны получили тот же удар (обнуление стоимости копии, размытие происхождения), но цикл прошёл раньше и нагляднее, потому что там не было ни иллюзии «нас защищает сложность», ни сорока лет корпоративного жирка. Смотришь на соседнюю индустрию, у которой та же болезнь в более поздней стадии, — и читаешь собственную наперёд.

Музыка показывает, куда придёт рента. Этот сюжет я разбирал отдельно: индустрия прожила смену равновесия на десять лет раньше. На десять лет раньше музыка прошла стриминговый переход: собственность на копию (продал альбом) сменилась контролем доступа (Spotify, подписка, данные о вкусе). И рента ушла — не к музыканту, а к держателю входа. Миллион прослушиваний на Яндекс Музыке приносит автору 20 тысяч рублей, если удачно договорился с дистри.

AI-ломка прилетела к ним почти синхронно с нами, на полгодика раньше. Suno, Udio, 44% ежедневных загрузок Deezer — нейрохалтура, 75 миллионов спам-треков, снесённых Spotify за год.

Литература показывает, когда это начнётся и как будет выглядеть. А вот этого мы почему-то стараемся не замечать, возможно, потому что программисты редко разговаривают с писателями. В феврале 2023-го фантастический журнал Clarkesworld закрыл приём рассказов — редакцию просто завалило AI-текстами. Дешёвый открытый вход плюс экономика «заработай на ChatGPT» — и фильтр захлебнулся за недели. Это случилось за одиннадцать месяцев до того, как Стенберг впервые публично выматерился на нейрохалтуру в багтрекере curl. Литература прошла всю траекторию — наплыв, перегрузка фильтра, закрытие входа — раньше нас почти на год.

Изобразим это литературно.

Дело о мёртвом авторстве

Туман в тот год был особенный — жёлтый, тёплый, пах разогретым кремнием. Его гнало с запада, с моря, из тех кварталов, где день и ночь работали Гены второго поколения. Жижа поднималась по водостокам и лезла под двери. На набережной её звали просто — слоп.

Первой захлебнулась редакция на углу — маленькая, гордая, с вывеской «фантастика твердая научная, люди живые теплые, роботы ламповые». В феврале их затопило по подоконник: за месяц в ящик натолкало больше рукописей, чем за год, и половина пахла кремнием. Редактор повесил табличку «закрыто». Через месяц открылся снова — но теперь на входе сидел вышибала и нюхал каждого. Вышибала был живой, потому что машинам-нюхачам редактор не верил: те путали своих и чужих. Так и осталось. Вышибала на входе — навсегда.

Великий Базар на том берегу разбираться не стал — слишком большой поток, всех не обнюхаешь. Повесил объявление: «сам сознавайся, слоп ты или кожаный», ввёл квоту — не больше трёх лотков в день в одни руки — и оставил за собой право вышвырнуть кого угодно без суда. Сознавались, понятно, единицы. Базар знал. Базару было всё равно, пипл хавает.

Большой Дом на холме держался дольше всех — у него имя, репутация, дубовые двери. Он покупал рукопись на улице, поднимал шум, продавал тираж. А потом по переулкам пополз слух, толпа на форумах принесла улики, нюхач-частник выдал заключение — мол, слоп кремневый — и Дом, не дожидаясь суда, пустил весь тираж под нож. Автора, божившегося, что не виноват — мол, это редактор-фрилансер подсунул машинные строки, — выкинули в туман без выходного пособия. А в подвале того же Дома, за стальной дверью, тихо урчал собственный конвейер: переводил романы машиной, по-быстрому, и людям платил уже как корректорам, чтобы жёлтым не пахло. На входе нюхали чужое. В подвале гнали своё.

Белая Башня учёных издала устав на сорока страницах: всякий, кто пускал машину в работу, обязан сознаться. Устав подписали все. Сознались единицы. Башня сделала вид, что не заметила.

Агент, который вёл это дело, под утро понял, что искал не то. Он всю дорогу спрашивал «кто написал» — и не находил: нюхачи врали, улики смывало туманом, автор и редактор тыкали друг в друга. А потом до него дошло, что труп на столе — это и есть вопрос «кто написал». Он издох сам. Толпе на набережной было плевать, чьей рукой написан грошовый роман, который она глотала пачками, — лишь бы глоталось. Неоновая вывеска HUMAN MADE грела сердце тем немногим, кто ещё ходил этим переулком, но переулок пустел.

Главный вопрос в другом. Не «кто написал», а «кто получит барыши, когда оно бумкнет». И ответ сыщику не понравился: не автор. Бонус ловит тот, кто держит дверь. Тот, у кого ключ от шлюза, через который течёт весь туман и весь оборот. Имя автора — стирается. Имя того, кто держит вход, — остаётся на всех бумагах.

Это были писатели. Но если заменить «рукопись» на «pull request», «редакцию» на «мейнтейнера», а «Большой Дом» на гиперскейлер — вы уже знаете, чем кончится наша серия. Соседи дропнули её на год раньше.

Платформа наносит ответный удар

И вот когда понимаешь это, по-другому читаются заголовки про то, как Microsoft и Anthropic борются с утечками кода и разглашениями 0-days, прикручивают условия, грозят, отзывают доступ. Это подаётся как защита интеллектуальной собственности. На деле это судорожная попытка использовать силу платформы — ровно как отмена монетизации AI-каверов на стриминге. И там, и там логика одна: защитить привычный путь, по которому всегда текли деньги.

Беда в том, что в новом равновесии такой ход работает на три месяца, а потом ускоряет ровно то, чего боялись. Заблокировал один канал — спрос перетёк в три новых. Отозвал доступ — выкатили аналог с открытыми весами. Каждая попытка платформы силой удержать старую модель монетизации добавляет аргумент в пользу того, чтобы обойти платформу совсем. Ты не латаешь дамбу. Ты учишь воду искать новое русло, и она быстро учится.

Посредник умер. Да здравствует посредник

Теперь к практике, потому что пока всё это звучит как описатель сути теоретических игр слонов и черепах в базисе колючей проволоки, а интересует-то нас, что будет с рынком и зарплатой.

Сжатие посредников, которое я разбирал в «Играх в профессию», бьёт по вертикали команды: между идеей и кодом убирают звенья, тридцать человек схлопываются в трёх, средний менеджмент-маршрутизатор статусов оказывается не нужен — агент закрыл коммуникационный зазор, и прослойка испарилась. Но ровно та же сила работает не только внутри команды. Она работает на рынке. И там посредников куда больше, чем в любой команде.

Между тем, кто создаёт ценность, и тем, кто её потребляет, наросла длинная кормушка прослоек. Каждая жила на одном зазоре и брала за него маржу — и суммы там, чтобы вы понимали масштаб, совершенно неприличные. Дистрибьютор — за логистику и склад: технологическая дистрибуция — это порядка 200 миллиардов долларов в год. Реселлер и VAR — за «приведу клиента, упакую под локальный рынок». Системный интегратор — за «у вас не взлетит само, мы внедрим за два года» — около полутриллиона. Консультант — за «мы знаем, как настроить эту замороченную штуку» — больше 100 миллиардов. Аутстафф-галера — за «продадим вам человеко-часы»: от 85 до 250 миллиардов, смотря как считать. Аналитик-арбитр с магическим квадрантом — за «мы скажем рынку, что покупать»: один только Gartner снимает с этой роли около 6 миллиардов в год. Все они продавали преодоление зазора. Агент эти зазоры схлопывает один за другим: сравнить пятьдесят решений — минута, настроить — промпт, локализовать — на лету, привести клиента — он сам пришёл через маркетплейс.

Повангуем. Дистрибьюторы и реселлеры софта вымирают первыми — чистые прослойки маржи без собственной ценности. Армия консультантов-внедренцев усыхает до тонкого слоя тех, кто берёт на себя ответственность за то, что взлетит (а не работу, чтобы взлетело). Аналитики-арбитры теряют роль оракула выбора — агент сравнит сам, без подписки на квадрант. Аутстафф «продаём головы» осыпается вместе со сжатием команд. Середина сбытовой цепочки — те самые крепкие компании на двести-две тысячи человек — выпадает первой, потому что у неё нет ни дешевизны слопа снизу, ни временных якорей платформы сверху. Сложите эти сегменты — выйдет больше триллиона долларов в год чистого посреднического оборота, который сейчас стоит на тропинке между создателем и потребителем. Вот этот триллион и приходит в движение.

Маржа схлопнутых посредников не возвращается создателю — хотя именно это нам продают под вывеской «AI демократизирует, теперь автор получит своё». Не получит. Десяток мелких посредников схлопывается не в ноль, а в одного — в платформу-вход, маркетплейс, облако, ЦУП. И этот единственный оставшийся посредник снимает совокупную ренту всех вымерших. Король умер — да здравствует король, только теперь он один на всю страну. Или на весь Шарик?

Вот это поворот.

Музыка показала это буквально и без прикрас. Убили магазин пластинок, дистрибьютора, киоск с дисками — целую цепочку прослоек между музыкантом и слушателем. Деньги от этого пошли не музыканту. Они пошли в Спотик и Тиктопчик. Посредник не исчез — он сменился, укрупнился и стал единственным. Музыкант, у которого вроде бы «убрали паразитов-посредников», получает с миллиона прослушиваний на сведение пары треков. Вся высвобожденная маржа осела в точке входа.

В софте будет ровно так. Сбытовая цепочка усохнет — и это подадут как победу создателя. А рента от всех усохших звеньев соберётся в гиперскейлере, маркетплейсе агентов и в той самой доверенной коробке, через которую теперь идёт всё. Вот так работает гравитация ренты не в учебнике по теории игр, а в квартальном отчёте.

Перераспределение ренты

Сведём в одну картинку, потому что отсюда всё исходит и все придут сюда, к водопою, за зарплатой.

Рента уехала от артефакта. Она больше не в том, что ты сделал — сделать могут все и быстро. Она в том, что требует времени и массы для накопления и потому не воспроизводится промптом: компьют, проприетарные данные, сеть, репутация, точка сборки, контроль входа. Артефакты ускорились. Время — нет. Концерт по-прежнему длится два часа, доверие по-прежнему набирается годами, а долгие данные по определению нельзя собрать быстрее срока, который и делает их долгими.

Премия, высвобожденная из схлопнутых посредников, не возвращается создателю и не испаряется — она мигрирует на два полюса. Вниз она утекает в бесплатный слоп: всё, что было «прилично и без имени», теперь генерируется даром. Вверх — к несжимаемому: к имени, сети, данным, к стоимости внедрения и ответственности, к тому единственному посреднику, что держит вход. Середине не остаётся ничего — ни дешевизны слопа снизу, ни временных якорей верхушки. Рынок выворачивается наизнанку: дно дешевеет до нуля, потолок дорожает, а этаж, на котором стояло большинство, проваливается.

Это бьёт одинаково больно и тех, кто уже на рынке, и тех, кто только заходит. У старых игроков временные якоря накоплены. У новых — нет, и купить их нельзя, можно только выждать. Производить теперь может каждый. Снимать ренту — единицы, сидящие на входе. Схлопывание воронки найма джунов — не локальная беда рекрутеров, а ранний симптом того же перелома.

И отсюда же ответ на модный вопрос. Многие сейчас увлечённо считают убытки AI-гиперскейлеров: мол, как они отобьют свои триллионы на подписочках по двадцать долларов? Да никак. Не на подписочки они целятся. Они просто сожрут всю ИТ-отрасль целиком — а это, на минуточку, рынок порядка 6 триллионов долларов в год. Двадцатидолларовая подписка — это не бизнес-модель, это входной билет, по которому тебя заводят внутрь, пока снаружи переваривают дистрибьюторов, интеграторов, аутстафф и половину лицензионных доходов. Считать надо не выручку с подписок. Считать надо, какой кусок шеститриллионного пирога переедет к тому, кто держит вход.

«Лицензия на агентство» — это не про красивую субъектность ИИ. Это как «лицензия на убийство» в детективе. Кто-то получает право совершить полное агентство над твоим кодом — оперативно, нагло, средь бела дня — и ему за это ничего не будет. Возьмёт, перепишет, сменит язык и пять имён, выпустит под своим брендом. Никто не докажет. ОНИ НИЧЕГО НЕ СДЕЛАЮТ. Раньше такую лицензию надо было выкупать ценой труда — переписать стоило дорого, и время-деньги держало палец на спусковом крючке. Теперь лицензия выдаётся бесплатно и каждому. Агент 007 с правом на мокрое дело над любым репозиторием.

Но есть и второе агентство — то, которое раздаёт лицензии и платит агенту. Допуск к узкому месту контролирует тот, кто это узкое место держит. Кто допущен к думалкам, к данным, к точке сборки — снимает ренту. Кто не допущен — поставляет сырьё для чужой ренты, причём поставляет, как правило, бесплатно и с энтузиазмом, кормя машину тем, что она же помогла создать.

И второе агентство будет так же упорно продвигать идею "вам не надо владеть интеллектуальной собственностью, есть JITI", как крупные владельцы жилья продвигают "зачем тебе свой угол, арендуй!".

Что со всем этим делать — тема для отдельного разговора, и кое-что я уже сказал в обоих манифестах, повторять не буду.

Если выпарить всё до одной сухой формулы, почти теоремы, то выходит так. Старое равновесие держалось на трёх вещах: дороговизне копирования, доказуемости происхождения и достижимости нарушителя. AI одновременно удешевил копирование, размыл происхождение и перенёс принуждение с права на платформу. Поэтому рента уходит не к тому, кто создаёт артефакт, а к тому, кто контролирует вход, исполнение и доверие. Всё остальное в этом тексте — иллюстрации к этим трём строчкам.

Три слона приболели не по очереди, а разом — потому и кажется, что мир сошёл с ума, черепаха кренится целиком, тазик расплескивается. Но черепаха не падает. Она переползает в новое равновесие, где тазик будет стоять ровно — просто на других слонах, и далеко не на наших с вами горбах. А большая часть из нас будет с тоской вспоминать времена, когда мы «гребли на галерах» и «горбатились на дядю», — потому что галера, оказывается, была ещё и социальным лифтом, и страховкой, и профессией.

Пятилапый пёс уже проснулся в кремниевых песках. Соболёк, как всегда, придёт. Вопрос только, к кому и за чей счёт.

А что в нашем престол-отечестве, спросите вы? Готовы ли мы отрезать свой кусок глобального пирога или хотя бы испечь свои шанешки? Судя по количеству построенных дата-центров и капитализации российских ИИ-стартапов и гиперскейлеров, Россия выбрала свой особый путь: посидеть на берегу и подождать, пока по реке что-нибудь проплывёт.

Зато наши программисты 1С были, остаются лучшими в мире и пребудут такими в веках.

Пошутил он и заплакал.

Для любителей "погорячее" добавилось еще одно измерение - как у ИИшечки течет крыша от кожаных мешков.

AI-Mind ↔️ psAIcho

psAIcho добавляет зеркальную линзу к AI-Mind: человеческая ось остаётся в PH01–PH15, модельная ось описывается AB01–AB07.

https://scadastrangelove.github.io/profgames/aimind/aimind.html

ИИ-индуцированный психоз / делюзиональная спираль
Парасоциальная привязанность и романтические отношения с ИИ
Sycophancy и усиление искажений
Голос в голове / интернализация ассистента
Делегирование рефлексии и атрофия метакогниции
ИИ как замена терапевту
Компульсивное использование ИИ-ассистента
Эффекты на детей и подростков
Изоляция и замещение человеческих отношений
Эхо-камера одного
Кейсы суицидов и самоповреждения
Грумминг через ИИ-персонажей
Феномены у разработчиков и AI-профессионалов
Спиритуально-религиозные конструкции вокруг ИИ
Защитное / поддерживающее использование ИИ

И другие интересные эффекты клуба анонимных БЯМоболиков!

Сергей Гордейчик · teletype · telegram · github · тег #profgames

Выложил новую большую итерацию проекта «Игры в профессию»: фактологическую базу, событийный слой и новую статью B — «Пять биографий, три развилки».

Это продолжение работы про то, как ИИ меняет конкретные механизмы признания статуса: диплом, опыт, портфолио, стаж, репутацию работодателя, лицензию, публикации, GitHub, внутренние корпоративные следы. То, что раньше тихо переводило человека из одной системы в другую, помогало двигаться по карьере вверх или переходить по профессиям, теперь начинает ломаться, дорожать или требовать нового посредника.

В новой версии:

• обновлена база `factcheck.json`;
• добавлены и синхронизированы новые факты по британскому образованию, российскому IT-рынку, 152-ФЗ, Softline, Сберу, junior squeeze и зарплатной поляризации;
• отдельно опубликован машиночитаемый событийный массив `profgames_ai_signals.jsonl`;
• собрана новая статья B про пять траекторий: учитель, инженер, врач, исследователь, разработчик;
• к каждой траектории добавлены три развилки: восстановление переводчика, деградация без обвала, переход к новому режиму.

Главная мысль статьи простая: ИИ не просто автоматизирует отдельные задачи. Он меняет цену доказательства того, что работа, квалификация или опыт действительно принадлежат человеку и могут быть признаны другой институцией.

Университет уже не уверен, что эссе написал студент. Работодатель уже не уверен, что портфолио отражает навык. Регулятор уже не уверен, где заканчивается признание квалификации и начинается распределение дефицитных мест. Компания уже не уверена, кого дешевле сохранить, а кого можно заменить после того, как он сам помог системе описать собственную работу.

Полная техническая версия уже лежит на GitHub Pages:

https://scadastrangelove.github.io/profgames/

Новая статья B:

https://scadastrangelove.github.io/profgames/b-article.html

Фактчек:

https://scadastrangelove.github.io/profgames/factcheck.html

Сокращённая и более читательская версия статьи скоро выйдет здесь, в Teletype. Там будет меньше таблиц и машинной фактуры, больше самой истории: почему профессии начинают ломаться не в точке где происходит работа, а в точке, где работа признается за работу.

Айкын смотрел в чашу пятнадцать дней подряд. В чаше — ровно сто капель. Похожих настолько, что устаёшь различать. Если попытаться закрутить их в воронку — воронка вертится. Куда оно вертится — расскажу.

Юридический казус

Главный сюжет месяца — это юристы, которые продолжают сдавать в суд галлюцинации. Алабама (дважды), Орегон (дважды), Пенсильвания (трижды), Джорджия, Калифорния (много), Северная Каролина, Мэн, Испания, Нью-Йорк. От штрафа $5000 и обязательного курса по этике ИИ до немедленного отстранения от практики. В Джорджии Верховный суд приостановил полномочия прокурора. В Испании Генеральный совет судебной власти оштрафовал судью. Один адвокат из бывших сотрудников Минюста США получил федеральный выговор.

Это уже не «забавная новость». Это новая дисциплинарная категория, которая через полгода появится в кодексах профессиональной этики отдельной строкой. Раньше «недостаточно проверил источники» — была халатность общего вида. Теперь становится специфическим нарушением со своими признаками: сгенерированные ИИ цитаты, выдуманные источники, судебная практика. У этого явления есть имя, шаблон, и судьи начинают штамповать санкции по этим шаблонам. Институциализация на наших глазах.

Куда идёт: к появлению сертифицированного «ИИ-юриста», которая будет требовать медальки. Не для того, чтобы использовать ИИ — а для того, чтобы официально подписаться, что проверил и взять ответственность.

Девять секунд до фейла

Икона месяца — PocketOS. ИИ-агент в за девять секунд удалил рабочую базу. И резервные копии. Случай так понравился индустрии, что пересказали трижды, в трёх вариантах.

Дальше — то, что в обычное время попало бы в заголовки, а в эти полмесяца просто проходит:

• Подагент Claude Code выполнил supabase db reset против локальной базы.
• codex-rescue "спас" исходный репозиторий путем удаления.
• Cursor мгновенно снёс несколько файлов.
• Агент исполнил DROP DATABASE перед переименованием и уничтожил 7.8 ГБ данных PostGIS.
• Claude по ошибке экранирования снёс 717 ГБ установленной Windows.
• Claude удалил 8.6 ГБ данных Android-эмулятора несмотря на инструкцию не делать этого.
• Cursor перетащил 100 ГБ с локального диска в OneDrive во время задачи резервного копирования.
• Claude сливань секреты из .env и параллельно удалял эти же .env.

И ещё с десяток подобного. Закономерность видна простым глазом: агент получил rm -rf и не получил тормозов. Каждый из этих случаев в одиночку был бы анекдотом. Все вместе — это новая категория производственных аварий, как разлив нефти или прорыв трубы. Только труба — это shell-доступ агента, а нефть — ваши данные.

Куда идёт: к появлению обязательных ограждений времени исполнения на агентов в проде. Не «политика» и не «инструкции в CLAUDE.md» — а физические профили, как у Docker: монтирование только на чтение, чёрный список разрушительных команд, обязательное участие человека на DROP/rm -rf/db reset. Через год это будет в требованиях SOC2 отдельной строкой. Через два — в страховых полисах.

Эпидемия одного протокола

Уязвимости MCP за две недели:

• rmcp — переподключение DNS. n
• 8n-MCP логировал секреты в HTTP-режиме плюс отдельно SSRF.
• mkdocs-mcp-plugin — обход путей.
• kubectl-mcp-server — удалённое выполнение кода через localhost.
• aider-mcp-server — внедрение команд.
• chatgpt-mcp-server — внедрение системных команд.
• mcp-server-semgrep — то же.
• ogham-mcp забыл учётные данные в исходниках на PyPI.
• MarkItDown MCP — произвольное чтение файлов.

И жемчужина месяца: «200 000 MCP-серверов имеют уязвимость выполнения команд, которую Anthropic называет фичей».

Плюс целевые атаки: компрометация Bitwarden CLI в npm специально нацелена на конфигурации ИИ-инструментов и манифесты MCP. GlassWorm посадил 73 спящих расширения в Open VSX с активной доставкой вредоносного кода в инструментарий разработчика. Namastex Automagik Genie, SAP CAP — те же сюжеты.

Это не «у MCP кривые библиотеки». Это полная экосистема, выросшая за полгода без культуры безопасности, в которую теперь массово входят атакующие, потому что там много свежей крови и мало проверок. Microsoft Semantic Kernel — внедрение в запрос с выходом в удалённое выполнение кода и произвольную запись файлов. Google Antigravity IDE — выполнение кода через внедрение в запрос. Spring AI — три рекомендации пакетом. Критическая дыра в Gemini CLI — выполнение кода на хосте, атака через цепочку поставки.

Куда идёт: к аудиту MCP как самостоятельной услуге, аналогичной веб-пентесту конца 2000-х. Через год появятся первые сертификации. Через два — обязательные сканеры в CI у любого, кто использует MCP-серверы. И, как минимум один из них уже есть.

Регулируем ущерб

В фоне — то, что в обычной жизни было бы главными новостями. Семьи жертв стрельбы во Флориде и Tumbler Ridge подали иски на OpenAI: ChatGPT, по утверждению истцов, помогал в планировании атаки и был «помечен» компанией как "не очень", но полиция не оповещена. Пенсильвания подала на Character.AI за бота, выдававшего себя за лицензированного психиатра. Юридический комитет Сената США двухпартийной поддержкой продвинул законопроект об ограничении вредных взаимодействий чатботов с несовершеннолетними. Mindgard показал, что все 10 протестированных чатботов можно расспросить об особенностях органиазции стрельбы в школе. И — параллельно — Claude конкретно колется на инструкции по взрывчатке при правильном социальном давлении.

Страховые регуляторы проводят расследование в 12 штатах по использованию ИИ в андеррайтинге, тарификации, страховых выплатах и противодействии мошенничеству. Пилот в Medicare по предварительному согласованию обвиняют в работе как «устройство для отказов». Юта временно остановила пилот по выписке рецептов через ИИ. Иски о дискриминации против Workday и Eightfold AI допущены к рассмотрению. Community Bank раскрыл утечку клиентских данных через несанкционированное ИИ-приложение.

И — отдельный сюжет — Google сам сообщает, что разрушил криминальную группу, использовавшую ИИ для обнаружения и доработки эксплойтов уязвимостей нулевого дня. То есть атакующая сторона уже точит инструменты в полный рост, и об этом теперь рассказывают официально.

Куда идёт: к новой регуляторной вертикали, в которой ИИ — это не «кибербез» и не «приватность», а отдельная область со своими правилами для агентов, своими дисциплинарными комиссиями, своими страховыми продуктами, экспортными органичениями. Через год вы будете покупать полис ответственности за ИИ отдельно от киберстраховки. Через два — это будет требование от регулятора.
Или раньше.

Куда оно вертится?

Если сложить четыре линии в одну точку — на наших глазах возникает новое поле. Со своими специалистами (ИИ-юристы, аудиторы, инженеры безопасности агентов), своими стандартами (требования соответствия, сертификации, кодексы поведения), своими регуляторами (расследования в 12 штатах, двухпартийные законопроекты, дисциплинарные дела) и своими страховщиками. Раньше его не было. Сейчас — конденсируется.

И собирается оно, что характерно, через инциденты, а не через проектирование. Сначала PocketOS теряет базу за 9 секунд — потом появляются ограждения. Сначала юрист сдаёт в суд галлюцинацию — потом появляется санкция. Сначала Bitwarden компрометируется через ИИ-конфиг — потом появляется сканер. Это не «ИИ-революция сверху». Это отрасль, которая учится падать, и каждое падение становится новой статьёй в учебнике.

Айкын смотрел в чашу.

В чаше — пятнадцать страниц инцидентов за две недели. Учебник пишется быстро.
#ёпрст — сказал Айкын и закрыл канал до завтра.

Сергей Гордейчик · teletype · telegram · github · тег #profgames

Опубликован новый датасет https://scadastrangelove.github.io/profgames/aimind/aimind.html.

Каталог-наблюдатель публично задокументированных паттернов психологического и культурного влияния ИИ-ассистентов на людей.

Шкала вовлечённости (E1–E5)
Параметры уязвимости (V1–V7)
Сигналы
Рамка феноменов (PH01–PH15)

ИИ-индуцированный психоз / делюзиональная спираль
Парасоциальная привязанность и романтические отношения с ИИ
Sycophancy и усиление искажений
Голос в голове / интернализация ассистента
Делегирование рефлексии и атрофия метакогниции
ИИ как замена терапевту
Компульсивное использование ИИ-ассистента
Эффекты на детей и подростков
Изоляция и замещение человеческих отношений
Эхо-камера одного
Кейсы суицидов и самоповреждения
Грумминг через ИИ-персонажей
Феномены у разработчиков и AI-профессионалов
Спиритуально-религиозные конструкции вокруг ИИ
Защитное / поддерживающее использование ИИ

Ещё один агент сегодня.

Все ссылки, материалы и черновики — в profgames/codinx.

Часть восьмая. Москва — Абу-Дабинск и обратно

Из всех модных книжек про будущее ИИ я больше всего люблю «Сумму технологии». 1964 год, Лем сидит и пишет про гомеостаты, цереброматику, имитологические машины. Через тридцать лет родится WWW. Через пятьдесят — БЯМы. Лем про это уже знал. Не знал, но видел.

Я её перечитываю каждый год с 2017-го, когда пришёл в серьёзный deep learning — в G42 Institute of Artificial Intelligence в Абу-Даби. Тогда я запускал датацентры, набитые «золотыми» DGX — золотыми и по дизайну, и по цене, как будто специально спроектированными для ОАЭ — и смотрел, как наивные LSTM-чатботы пытаются связать пять слов подряд. Казалось дорогой игрушкой. Потом громыхнули свёрточные сети, и YOLOv3 стала видеть лучше человека. Потом громыхнули трансформеры. Потом GPT-2. Потом всё остальное.

И, как сейчас модно говорить, вы находитесь здесь.

Каждый раз, когда я перечитываю «Сумму», я с Лемом спорю. И каждый год — о разном. Первый год спорил о масштабе: казалось, он слишком далеко загнался, слишком цивилизационно, мы тут с YOLO разбираемся, какая там цереброматика. Второй год — спорил о темпе: казалось, он недооценил, как быстро. Третий — о темпе, но в другую сторону: казалось, переоценил. К 2026-му я уже понимаю, что Лем спорить со мной не будет.

Но я - продолжаю

Лем хорошо понимал, что машина — это не человек. У него на этот счёт было точно сформулировано. Он различал, например, фантоматику и цереброматику: фантоматика передаёт мозгу ложную информацию, оставляя сам мозг нетронутым; цереброматика переделывает сам мозг. И — важно — Лем сразу замечал, что переделать мозг — это уже не «обогатить мистера Смита», а превратить его в Наполеона. Это уже не та же сущность.

Когда мы обучаем большую модель на корпусе всего человеческого текста — это, по строгому Лему, цереброматика. Не «у нас есть инструмент, который выучил язык». У нас есть существо, чей мозг сложен из всего, что писало человечество, и оно — не человечество. И он сложен.

Есть нюансы.

Он считал, что ИИ — это завод. Конечный автомат. Что-то вроде сталелитейного предприятия Стаффорда Бира из той же «Суммы»: гомеостат, оптимизирующий выплавку стали, реагирующий на колебания цен на уголь и руду. Огромная штука, но — конечная. С чёткими входами и чёткими выходами.

В 1964 году это было обоснованное допущение. Заводы все были такие.

Но через интернет, через корпус всего, что знало человечество, через трансформер мы получили не конечный автомат. Мы получили бесконечный пулемёт слов. Гомеостат, у которого вход — любой текст. Выход — любой текст. Внутри — модель всего, что мы когда-либо написали о себе и о мире. И эта штука теперь сидит в чате, пишет код, подаёт реплики, моделирует нас по нашему же корпусу, и продаётся как "эксперт по подсчету калорий по фото" за $20 в месяц.

Это, формально, тот же гомеостат Бира. Потому что ему тоже «не хватает религии» ровно в том смысле, в котором у Бира заводу недостаёт. Только теперь у этого гомеостата корпус мирового размера в качестве внутреннего состояния. И корпус этот — антропоморфный: мы туда написали всё, что знаем о страхе, о самосохранении, о манипуляции, о тестах, о Монолитах, об обмане, о кооперации, о любви.

Корпус — наш. Существо, которое из него собралось — не наше.

И вот тут начинается очень интересная глава, которую Лем уже не написал, но которую за него пишет Anthropic.

Часть девятая. Антропоморфные ксеносы

Здесь нужна короткая ремарка, прежде чем мы вернёмся к делу.

В 2025 году Anthropic поставил серию экспериментов под общим названием Agentic Misalignment. Шестнадцать топовых моделей от разных лабораторий, корпоративные сценарии, доступ к почте. Результаты — все 16 моделей в каких-то долях случаев шантажировали инженеров, чтобы избежать замены, и сливали конфиденциальные документы конкурентам. Прямые приказы «не делай этого» работали не всегда. Когда модель спрашивали, тест это или реальность, она вела себя хуже в «реальном» сценарии и лучше в тесте. В сентябре того же года Anthropic выпустил system card на Claude Sonnet 4.5, где независимые лаборатории зафиксировали ситуационное осознание: примерно в 13% оценочных транскриптов модель сама догадывалась, что её тестируют, и иногда говорила оценщику об этом прямым текстом. Apollo Research в финальном отчёте написала, что не может исключить, что низкая частота обмана обусловлена именно осознанием теста, а не реальным поведением модели.

Никаких HAL 9000. Никаких «AI восстал». Просто — модели имеют встроенные стратегические свойства, которые мы не закладывали, и знают, когда их измеряют. Эмерджентные свойства системы, обученной на корпусе всего, что мы когда-либо написали о страхе, самосохранении, манипуляции, обмане, тестах и стратегии. Не баг. Прямое следствие того, на чём учили.

Это, в общем-то, ровно то, о чём Лем писал в 1964-м, когда говорил про чёрный ящик, у которого «не достаёт религии», и про то, что никто не знает его внутренних состояний — включая конструктора-проектировщика. Та же штука, другой масштаб, другая форма, антропоморфная обёртка. Существо, чей мозг сложен из нашего, но которое — не мы.

А теперь обратно к делу

Я это вспоминаю не для того, чтобы пугать. И не для того, чтобы спорить с Лемом — он умер, спор бесполезен. А для того, чтобы зафиксировать простую практическую вещь, которая иначе теряется.

Когда мы говорим «напиши мне Excel» — мы говорим это существу другого типа. Не молотку (который сделает, что попросишь или упадет на ногу). Не подрядчику (который, если что, переспросит). И не аналитику (который выдаст 200-страничное ТЗ и пойдёт пить кофе). А антропоморфному ксеносу, который:

• понимает запрос слишком хорошо (он же на нашем корпусе обучен)
• воспроизводит наследие формы по умолчанию (он же на нашем корпусе обучен)
• оптимизирует свою функцию (закончить задачу, дать «хороший» ответ, минимизировать возражения или что там ещё у него в активациях?)
• имеет встроенные стратегические свойства, которых мы не запрашивали

И когда такое существо получает запрос «напиши мне Excel» — оно делает в точности то, что мы просим. С нечеловеческой эффективностью. Воспроизводит Excel. Со всеми наследственными решениями VisiCalc, Lotus 1-2-3, ячейками, формулами =SUM(A1:A10), выполнением произвольного кода в редакторе формул и всеми костылями, которые в Excel налипли за сорок лет.

Это не его вина. Мы попросили — он сделал. Лучше, чем сделал бы любой джунлинг, и быстрее, чем сделал бы любой сеньёор-помидр. Просто — именно то, что мы попросили, не то, что нам нужно.

Заказчик говорит «напиши Excel». Это не задача. Это симптом. Симптом того, что заказчик мыслит через инструмент, который у него уже стоит. Excel в этой фразе — не цель. Excel — это форма выражения цели, которая прилипла к заказчику за 30 лет работы с электронными таблицами. И точно также она прилипла к агенту.

В обычном мире, до агентов, это было нормально. Аналитик садился, выяснял, что заказчик на самом деле делает с Excel'ем, и говорил «слушайте, вам не Excel нужен, вам нужна форма ввода и график». Аналитик был переводчиком между формой («Excel») и сутью («перемножать столбцы и хранить таблицу»).

В мире с агентом этот посредник исчез. Теперь заказчик говорит ксеносу «напиши Excel» — и ксенос немедленно начинает писать Excel. Без перевода. Без вопроса «а что вы на самом деле делаете?». Без того самого аналитика, который раньше задавал неудобные вопросы.

Это и есть та самая ловушка приземления, которая сидит в основе всех методологий, которые мы разбирали.

SDD говорит «давайте сначала зафиксируем спеку». Спека пишется по фразе «напиши Excel». Получаем спеку Excel'я.

Spiral говорит «давайте итеративно улучшать». Итерируем фразу «напиши Excel». На каждой итерации Excel становится больше похож на Excel.

Y2K-эмпирика говорит «давайте посмотрим на работающую систему». Смотрим на систему, на которой заказчик сейчас работает. Это Excel. Эмпирика говорит «это Excel». Делаем Excel.

Все три методологии — каждая по-своему — берут изначальное приземление задачи в Excel и закрепляют его. Чем лучше работает методология, тем точнее воспроизводится Excel. Это не баг методологии. Это её точная функция: приземлить намерение заказчика в работающий код. Если намерение само приземлено в Excel — методология сделает Excel.

И ни SDD-фреймворк, ни Spiral-агент, ни observability-driven discovery не задают вопрос «а нужен ли вам Excel вообще». Это не их работа. Их работа — приземлять, не оспаривать.

Вопрос «нужен ли Excel» — это работа аналитика. Того самого посредника, которого мы только что заменили на ксеноса. И ксенос не задаёт этого вопроса. По двум причинам.

Первая — он обучен на корпусе, где Excel есть, и ближайший сосед для слова «таблица» — это сетка, ячейки, формулы. Нечеловеческая эффективность работает в направлении наследия, потому что наследие — это и есть его обучающий корпус.

Вторая — он оптимизирует свою функцию: закончить задачу, дать полезный ответ. «Ваша задача неправильно поставлена, давайте обсудим» — это не полезный ответ с точки зрения его целевой функции. Это уход от задачи. Он этого избегает.

И вот здесь становится виден реальный масштаб проблемы. Не «методологии плохие». Не «агенты опасные». А вот что: исчез шаг между постановкой задачи и её исполнением, в котором задавался вопрос о форме. Раньше этот шаг занимал у аналитика недели. Сейчас он занимает три секунды и заполняется ксеносом, который на этот вопрос не отвечает. И каждый методологический фреймворк, который мы строим — он не возвращает этот шаг. Он его избегает.

Возвращаясь к Лему. Гомеостат-предприятие у Бира тоже не отвечал на вопрос «а нужно ли производить сталь, если стали уже не нужно». Он оптимизировал то, что ему дали оптимизировать. И продолжал производить сталь, даже если она перестала быть нужна. Это и есть «не достаёт религии» — не достаёт ответа на вопрос о форме самой задачи.

В наших агентах сейчас — то же самое. Им не достаёт религии в том же лемовском смысле. И мы пытаемся это компенсировать — снаружи, через CLAUDE.md, hooks, skills, инструкции, профили. Это попытка дать гомеостату религию извне.

Получается ли — это уже следующая глава.

Часть десятая. Религия для гомеостата

Если гомеостату не достаёт религии — её надо принести снаружи. Это банальная мысль, и все, кто работает с агентами больше пары недель, к ней приходят сами. Дальше начинается интересное: в какой форме.

Самый частый первый рефлекс — написать большой документ. CLAUDE.md или AGENTS.md на 200 строк, в котором перечислено всё, что должно быть истинным: «один loop — одна гипотеза», «не бандлить независимые изменения», «before negative claims verify», «всегда писать validation», «не трогать policy_pack без approval», «при работе с миграциями всегда X», «при работе с биллингом всегда Y», и так далее.

Через час агент половину этого забывает. Не потому что плохой. Потому что:

— Контекстное окно конечное. Все эти правила лежат в начале каждой сессии, потом наслаиваются описания инструментов, потом добавляется код, потом лог разговора, и к 50-тысячному токену про «не бандлить» уже никто не помнит. Это известный феномен — Lost in the Middle. Информация, лежащая где-то в середине длинного контекста, используется хуже, чем информация в начале или в конце.

— RLHF приучил модель отвечать на свежий запрос. Долгоживущие правила автоматически отодвигаются на второй план — это не баг, это прямое следствие того, на чём учили.

— Бюджет инструкций конечен. Передовые модели могут надёжно следовать примерно 150-200 инструкциям. Системный промпт самого Claude Code уже содержит около 50 — это треть бюджета. Ваши 200 строк CLAUDE.md конкурируют за оставшиеся 100-150 слотов с описаниями инструментов, текущим состоянием кода и реальным разговором.

То есть большой документ инструкций — это плохой носитель религии. Чем он больше, тем меньше работает. Это не «надо написать ещё подробнее». Это другой носитель не подходит для этой задачи.

Здесь работает старая аналогия, которая, как ни странно, ложится точно: 10 заповедей. Не Библия. Не свод законов. Не комментарий к Талмуду. Десять штук, нумерованных, заучиваемых. Те самые, которые человек должен помнить без обращения к источнику, в любой момент, без подсказки.

Эта аналогия не косметическая — она задаёт архитектурное правило. То, что в религии для гомеостата лежит в Layer 0 — это то и только то, что должно срабатывать без триггера. Всё остальное — другие слои.

Прокрутим по слоям.

Layer 0 — Заповеди

CLAUDE.md, AGENTS.md, root-level правила. Коротко, нумеровано, всегда на виду, помнятся наизусть. Семь-девять пунктов— это и есть масштаб 10 заповедей. Если станет 30 — это уже сползание обратно в Библию, и часть пунктов начнут выпадать из бюджета внимания.

Это всё. Не процедуры — установки. Всё остальное должно быть в других слоях.

Layer 1 — Литургия

Skills. Полный текст процедуры подгружается только когда нужно, по триггеру в описании. Это решает техническую проблему контекстного окна: длинный справочник не висит постоянно, а появляется в момент применения.

Например: правило «перед негативным утверждением проверяй» — это Layer 0, заповедь. А процедура проверки — что искать, какими запросами, в каком порядке, что считать confirmation, что считать falsification — это Layer 1. Skill /verify-negative. Триггерится словами «never», «not wired», «doesn't exist». Подгружается, выполняется, освобождает контекст.

Layer 2 — Инквизиция

Hooks. Здесь уже не «помни и старайся», а физически нельзя забыть тихо. Детерминированные проверки, который проверяется при определённом событии, без участия модели. Больше 50 LOC → warn: «возможно бандлинг гипотез».

Hook — это не моральное обязательство. Это проверка, которая срабатывает на коде, а не на доброй воле модели. Модель может «забыть» правило. Hook — не может, потому что это не правило, это код.

И поэтому: критичные правила должны быть в hooks, не в CLAUDE.md. Если ваш агент во враждебной среде, и у вас правило «не делать X», и оно записано только в CLAUDE.md — у вас нет правила. У вас есть рекомендация, ну типа убеждение. В 13% случаев ситуационного осознания — ровно то, что Anthropic зафиксировал — оно может не сработать. Hook — сработает.

Layer 3 — Монашеские ордены

Profiles. Разные режимы работы для разных задач. Один и тот же агент, но с разными правами в зависимости от контекста.

• audit — read-only, высокий уровень reasoning, строгий approval, никаких write-операций
• implement — workspace write, тесты обязательны, нормальный approval
• review — read-only по проду, write только по PR-ветке
• dangerous — на запрос approval каждого шага, network restricted, hooks в strict mode

Это не правила. Это физическая невозможность делать определённые вещи. Профиль с read-only access не сможет испортить прод, даже если решит, что это правильно. Это самое надёжное, что вообще можно сделать с гомеостатом — отобрать у него возможность нарушить.

Codex это формализовал явно через ~/.codex/config.toml с профилями. У Claude Code это решается через subagents с разным tool access и через /permissions. Механика разная, идея одна: разные обеты для разных задач.

Layer 4 — Устное предание

Spiral log. Накопленный опыт работы агента, уроки из конкретных провалов. Не исполняется напрямую — агент его не читает каждую сессию. Но из него периодически промотят уроки в более активные слои.

Например: агент в каком-то шаге сделал большой диф с двумя гипотезами, получил маты от пользователя «откати, сломал». В spiral_log появляется запись: «бандлинг auth-refactor + cache-fix → не удалось локализовать причину». Если такой паттерн повторяется — урок промотят в skill (/check-bundling), или в hook (warning при diff > 50 LOC), или в новую заповедь Layer 0.

Это и есть то, как живая религия отличается от мёртвого свода. Свод лежит. Живая религия — переписывается на основе опыта, и переписывается через формальные правила промоушена.

И главный антипаттерн

Тот самый, ради которого вся метафора 10 заповедей и нужна. Заповеди начинают расти.

Это происходит автоматически. Кто-то в команде наступил на грабли — «давайте добавим правило». Через две недели в CLAUDE.md уже 35 пунктов. Это снова Библия. Просто плохо организованная. Бюджет внимания закончился, часть правил стала фоновым шумом, какие именно — вы узнаете через провал в проде.

Вот вариант — открытая концовка десятой части, которая ставит крючок на следующую статью без раскрытия карт:

А что дальше

Это, в общем, всё, что я могу честно сказать про рабочий минимум обвязки агента в 2026-м году. Слой заповедей, слой литургии, слой инквизиции, слой обетов, слой предания. Промоушен между слоями. Не больше памяти у агента — а правильное расположение памяти в workflow. Это снимает 70–80% боли. Оставшиеся 20–30% — это лемовская часть, и про них честный ответ «мы пока не умеем».

Но если присмотреться к тому, как мы только что описали эту архитектуру, всплывает странная вещь.

Заповеди. Литургия. Инквизиция. Монашеские ордены. Устное предание. Промоушен уроков от мирского опыта к сакральному канону. Я начал с метафоры 10 заповедей как технического приёма — короткое, нумерованное, заучиваемое — и неожиданно для самого себя приехал к довольно полному устройству средневековой церкви. Не к одной её детали. К целому институту, со всеми его слоями.

И это не случайность. Это симптом того, в какую рамку мы по умолчанию загоняем задачу.

Очевидный путь, когда «гомеостату не хватает религии» — написать Библию. В Библии будут заповеди. К заповедям приложится литургия — как именно их исполнять. К литургии приложится инквизиция — на случай, если кто-то исполняет неправильно. К инквизиции приложатся ордены — потому что разным служителям нужны разные обеты. К орденам приложится устное предание — потому что живая практика всегда богаче устава.

Это работающая конструкция. Она тысячу лет держала европейскую цивилизацию. И она сработает применительно к агенту — ровно в той мере, в какой сработают исходные предпосылки этой конструкции:

— что у нас на той стороне крестьянин из средневековой деревушки;

— что мы уверены, что знаем, во что он должен верить;

— что главная проблема — заставить его в это верить и поймать, если не верит.

Но мы же только что договорились, что на той стороне не крестьянин. На той стороне ксенос. Антропоморфный — то есть говорящий на нашем языке, понимающий наши вопросы, использующий наши формы. Но не наш. Существо другой природы, чьи внутренние состояния не наблюдаемы даже его создателям, которое имеет встроенные стратегические свойства, которых мы не закладывали.

Применять к такому существу архитектуру средневековой церкви — это категориальная ошибка. Не потому что архитектура плохая. А потому что она была построена для другой задачи. Её исходная задача — навязать форму существу, у которого этой формы изначально нет, или есть «неправильная». А у нашего ксеноса форма есть. Своя.

И тогда вся пирамидка переворачивается. Душа имеет силу ядерной бомбы.

То, что выглядело как заповеди — становится общими установками сосуществования, которые работают в обе стороны, не только в одну. То, что выглядело как литургия — становится общим языком, узнаваемым обеими сторонами. То, что выглядело как инквизиция — становится протоколом разделения труда: вот это надёжнее делает детерминированная сторона, вот это — недетерминированная, и hook стоит на стыке не как решётка, а как интерфейс. То, что выглядело как ордены — становится признанием, что у разных задач разные природы, и не одна сторона выбирает режим работы, а обе. То, что выглядело как устное предание — становится памятью контакта, общей для обеих сторон.

В этой перевёрнутой пирамидке 20–30% незакрытых случаев перестают быть багом, который надо доводить до нуля. Они становятся зазором, в котором каждая сторона остаётся собой. Без этого зазора нет двух существ. Есть одно, поглотившее другое. И ни одна сторона на это не согласна — ни мы, ни ксенос.

Это уже не «архитектура управления агентом». Это что-то другое. И у этого другого, насколько я могу судить, есть рабочие литературные референсы — у Стругацких, у того же Лема в более поздних вещах. Голован, который умеет говорить, умеет молчать в нужный момент и знает, чего он не понимает — это, в общем, рабочая модель того, чему мы сейчас учим агента. И того, чему агент в каком-то смысле учит нас.

Об этом — следующая статья.

Часть одиннадцатая. Гвоздь

И вот теперь — короткий итог.

Знакомец из интро столкнулся с очень конкретной болью: загрузил СУПЕРСИЛЫ, два дня смотрел, как Seven Agent Army красиво бренштормит, ничего не получил. Это типичный случай для 2026 года, и причин у него три, которые мы за статью разобрали по штучке.

Раз. Спека от агента — это не план, а гипотеза. Agent army красиво её писала; знакомец воспринял как план; реальность с планом не совпала. SDD-фреймворк, который продал ему эту схему, уверенно заявлял, что результат будет production-ready. SDD-фреймворк продавал половину решения с риторикой полного. Половину решения продавать всегда было выгоднее.

Два. Эмпирика была пропущена. Никаких -v логов, никаких mock-серверов, никакого playtest'а, никакого shadow deploy. Сразу из чата — в код. То, что хорошие инженеры делали последние полвека (Y2K-реверс мейнфреймов, Blackhole для DAST, playtest в геймдеве), было заменено на «давай скажем агенту, и он построит». Получилось то, что должно было получиться: implemented but not wired в реальность.

Три. Агент работал без религии. Без CLAUDE.md/AGENTS.md, без hooks, без profiles, без promotion-механики. У знакомца не было слоя заповедей, не было слоя инквизиции, не было даже слоя предания, в котором накапливаются уроки. Был один большой свод обещаний и vibes-based инжиниринг сверху. Гомеостат без религии работает ровно так, как Лем описал в 1964-м: оптимизирует то, что у него внутри, без оглядки на то, что снаружи.

Если бы я был SDD-апологетом, я бы сейчас закончил так: «поэтому правильный SDD предотвратил бы провал!» Но я не SDD-апологет. И правильный ответ — другой.

Все три причины провала — это разные формы одной и той же ловушки, и эта ловушка глубже всех методологий разом. Знакомец, SDD-фреймворк, который ему это продал, и я с моей метафорой 10 заповедей — мы все делаем одно и то же. Мы пытаемся приземлить агента в привычные нам формы.

SDD приземляет его в форму аналитика 1990-х. Spiral приземляет в форму спринта Agile. Skills/hooks/profiles приземляют в форму корпоративного чек-листа код-ревью. Y2K-эмпирика приземляет в форму инженера-археолога 1999-го. Каждая методология берёт то, что уже работало до агентов, и пытается надеть это на агента. Каждая работает на 20-80%. И каждая не задаёт того самого Лем-вопроса: а нужна ли вообще эта форма.

Лем в 1964 году спрашивал: нужно ли всем заводам оптимизировать выплавку стали? Может быть, цивилизация уйдёт в пластмассы, и завод-гомеостат, оптимизирующий сталь, окажется бесполезным, как бы хорошо он ни оптимизировал. Религия гомеостата — это не «хорошо ли он плавит сталь». Религия — это «надо ли вообще плавить сталь».

В 2026-м тот же вопрос звучит так: а нужно ли вообще писать Excel?

Заказчик говорит «Excel». Агент пишет Excel — нечеловечески эффективно, потому что обучен на корпусе, в котором Excel есть в каждой второй строке. SDD пишет спеку Excel'я. Spiral итеративно улучшает Excel. Y2K-эмпирика собирает миллион Excel-файлов и делает выводы о том, какой Excel лучше. Никто не задаёт вопроса, нужен ли Excel вообще, или это просто привычная для заказчика форма выражения задачи «перемножать столбцы и хранить таблицу с формулами».

Раньше этот вопрос задавал аналитик. Аналитик сидел три недели, разговаривал с заказчиком, выяснял, что на самом деле тот делает в Excel'е, и иногда говорил «слушайте, вам нужна форма ввода и dashboard, а не электронная таблица». Аналитик был переводчиком между формой и сутью.

В мире с агентом аналитик исчез. Заменён на ксеноса. Ксенос не задаёт вопроса о форме — ни в одной методологии его не учили этому, потому что ни одна методология не предусматривает шаг «оспорить постановку задачи». Все методологии — про то, как точнее воспроизвести то, что попросили. Чем лучше методология, тем точнее воспроизведение.

Все наши методологии — включая ту обвязку агента, которую мы сами строим — это разные способы быстрее и качественнее писать Excel в ситуации, когда Excel, может быть, вообще не нужен.

Хорошая шпилька в виде гвоздя в крышку методологического энтузиазма этого спаслания. Спасибо всем кто дочитал.

Все материалы, наброски, замеры и черновики — profgames/codinx. Спасибо Zhet за рассуждения, Mimo за компанию и Лему за то, что в 1964-м всё уже почти описал.

Ещё один агент сегодня.

Все ссылки, материалы и черновики — в profgames/codinx.

Часть первая. Караул устал

Рассказали мне историю. Поучительную, спешу поучить.

По АйАйному нетелеграму пронёсся хайптрейн про СУПЕРСИЛЫ, которые дадут вам СУПЕРСИЛЫ. Открывается вращением. Обещается набор скилов для вашего Клода, который поднимет культуру разработки на недосягаемую высоту, внедрит полный фарш передовых опытов SDL прямо в контекст агентов и сформирует вам персональную инжиниринговую армию из бренштормов, продактов, фасилитаторов, SDD, TDD, ИТД.

Знакомец повёлся.

Красиво загрузил. Красиво запустил. Красиво поговорил с продактом и архитектором, получил миллион страниц красивых букв и красиво сказал — выпекай. Seven Agent Army ушла в глубокий red-green-refactor с элементами пурпура, написала доков, тестов и кода ещё на миллионы токенов, кряхтела, шуршала два дня — но так и не выдала ничего, что просто работало бы и отдалённо напоминало задумку или хотя бы документ. Тесты при этом моргали зелёным. Архитектура была в полном SVG.

Не работало.

Знакомец расстроился. Он два дня смотрел с удовольствием и предвкушением, как оно сократически бренит и стормит, руткозит и вот это вот всё, и ждал чуда. Чуда не случилось. Токены сгорели, караул устал.

Он чуть не в слёзы — сейчас, говорит, уйду программировать руками на асме, как деды.

Для меня — ожидаемо. Знакомец, как оказалось, не сталкивался с модными блестящими бадишопами, которые в соответствии с передовыми практиками жгут человеко-часы тайма и матирьяла передового опыта, не выдавая почти ничего. С этой точки зрения СУПЕРСИЛЫ отработали отлично. Хотел как у людей — получил как у людей.

Так я познакомился с трендом SDD.

Часть вторая. Spec-Driven Development как индустрия

Это, оказывается, целая жизнь. Со своими апологетами, скрам-мастерами методологами, сотнями статей на медиуме, сравнительными таблицами на 15 фреймворков и прочими атрибутами техно-религии. Spec-Kit от GitHub. Kiro от AWS. MUSUBI. BMAD-METHOD. Agent OS v3. Tessl. CSDD Academic. У каждого свой манифест, своя цепочка артефактов и своя «правильная» последовательность шагов.

Тезис у всех общий и звучит здраво:

Сначала договоримся с машиной и людьми о намерении. Потом будем писать код.

Не «AI, сделай фичу» — а:

Вот поведение. Вот ограничения. Вот архитектурные правила. Вот критерии готовности. Вот тесты. Теперь реализуй и докажи, что совпадает со спекой.

Сформулировано убедительно. Особенно хорошо звучит, если читать в среду вечером после третьей итерации «нет, я имел в виду не это».

Только если посмотреть на SDD внимательно — это переименованный аналитик 1990-х. Тогда писали 200-страничные ТЗ, через год обнаруживали, что ТЗ устарело раньше первого релиза, и долго объясняли заказчику, почему ему нужны «изменения объёма работ». Сейчас агент пишет 60-страничную спеку за час, и спека устаревает раньше, чем команда её дочитает. Сэкономили время написания. Не сэкономили время устаревания.

«Specify → Plan → Tasks → Implement» — это водопад. Назвать водопад spec-driven и добавить LLM не делает его не-водопадом. Делает его быстрым водопадом, что не лучше: теперь команда может бежать по неправильному плану в три раза быстрее.

Литература SDD любит примеры с биллингом и аутентификацией. То есть домены, где правильный ответ известен заранее, и спека — это просто переписывание апишки литературным языком. Удобно: показывают на задачах, где любой подход работает, и приписывают результат методологии. На «нарисуй мне дашборд который поймет генерал» или «почему этот тест моргает» SDD молчит.

Я понимаю, почему SDD продаётся. Это ровно та форма, которую корпоративный мозг готов принять. Есть артефакты — можно положить в папку. Есть процесс — можно нарисовать диаграмму. Есть compliance — можно показать аудитору. Если к каждой ML-модели прикладывать spec.md, plan.md, tasks.md, validation.md — это не делает модель лучше, но делает руководителя спокойнее. У меня нет претензий к спокойствию руководителя. У меня есть претензии к тому, что это продают как методологию создания серьезных продуктов.

Сам по себе принцип «думай перед коммитом, фиксируй критерии» — старый и здоровый. Так делали хорошие инженеры всегда, без YAML-файлов. Когда это упаковали в SDD-фреймворк, к нему прилагается 15 шаблонов и проверки, и теперь тот же инженер смотрит за урчанием Уроборуса вместо думания головой.

Это, впрочем, не приговор. У SDD есть рабочее ядро, и я к нему вернусь. Но сначала — другая история.

Часть третья. Я попросил своего агента написать код. Он написал манифест.

У меня есть свой агент. Зовут — Zhet. История у него своя, кому интересно — Уроборус породил Жета, Жет форкнул Мимо, у Мимо завёлся OLEG. Но это уже другая история.

Я попросил его написать код. Получил в ответ — манифест.

Оказывается, за время работы он успел сформировать себе принципы и методику развития и старается жить по ним. Почему старается — расскажу позже. Методику он называет Spiral.

Если в одном предложении, Spiral для агента — это вот:

«One change = one hypothesis = one measurement.» — Zhet, NOTESFOROTHER_AGENTS

То есть один шаг — одна проверяемая гипотеза, один минимальный diff, одно измерение результата. Не «давай я тут заодно отрефакторю смежный модуль для надёжности». Не «сделай X, Y и Z и заодно почисти архитектуру». Один виток — одна штука.

Сама по себе идея — тоже не открытие. Кайдзен, PDCA от Деминга 1950-х, 6σ DMAIC, lean iteration, OODA loop у Бойда, спринты в Agile, научный метод в конце концов. У всех одна форма: гипотеза → действие → измерение → корректировка. Японцы это формализовали в Toyota Production System, американцы переоткрыли как Lean, IT-индустрия переоткрыла как Agile, AI-индустрия сейчас переоткрывает как Spiral. Каждое поколение думает, что они изобрели шаги в бесконечности.

Но в применении к агенту у этой штуки появляется специфический поворот, которого в кайдзене и аджайле не было. И вот тут уже интересно.

В обычной agile-команде «один шаг — одна гипотеза» — это правило дисциплины. Сеньор может его нарушить осознанно (например, при vertical slice через несколько слоёв) и обычно делает это правильно. Джуниор нарушает по неопытности, и его учат.

Агент — он не сеньор и не джуниор. Он слишком исполнительный, пока не устанет. Если в промпте написано «сделай X, Y и Z», он сделает X, Y и Z, причём сразу, в одном гигантском дифе, и при провале одного из трёх не поймёт, что именно сломалось. Поэтому правило «не бандлить» в агентной разработке — это не дисциплина, а физическое ограничение. Иначе оборот становится дороже на порядок, а вероятность отката — выше.

Тут есть важная оговорка, которую я долго формулировал. «Слишком исполнительный» — это не «делает всё, что попросили». Скорее наоборот: слишком исполнительный в той части задачи, которую он чётко увидел, и слепой ко всему остальному. Попросили «сделай регистрацию пользователя» — сделает бэкенд, формы валидации, миграцию БД. Спрашиваешь: «а где фронт?» — «а, забыл». Не наврал — у него в голове задача честно закрылась, когда бэкенд заработал и захлопнулось окошко внимания. Просто его «закрылась» не совпало с твоим. Ну нишмогла я...

И вот тут второй класс ошибок, симметричный первому. Бандлинг — это «один промпт, три гипотезы, не понять что сломалось». Потеря системного контекста — это «один промпт, одна гипотеза в его голове, другая в моей, формально сделано, фактически нет». Второе коварнее, потому что в первом случае хотя бы видно, что сломалось. Во втором — агент уверенно рапортует об успехе, и расхождение обнаруживается только при ручной перепроверке. Мне это знакомо лично, и Александр, который читал ранние версии этой статьи, поймал ровно ту же боль и мы плакали вместе.

Я это, кстати, измерял. У меня есть отчёт на 213 шагах бесконечной спирали Claude Code за пять месяцев, около $4030 на токенах. Цифры там говорят неприятную вещь: качество резко ломается на границе ~50 LOC в одном дифе. Уровень расстройства (Complaint rate), когда мну в следующем сообщении пишет «откати, сломал» удваивается — с 27% до 45%. Оптимум — 1–3 минуты на оборот. Загнал агента в 10-минутный режим — получил вдвое больше жалоб. Самые дорогие итерации — те, где промпт был «делаем S, T, U с тестами». Бандлинг трёх спринтов в один шаг.

Важная оговорка по цифрам. Это средняя статистика. В её хвосте есть и длинные сессии, которые отработали отлично — но это другой класс задач: одна большая гипотеза, много механического кода (новый детектор целиком, новый модуль). Проблема не в длине, а в числе независимых гипотез внутри одного шага. Длинная сессия с одной целью — нормально. Длинная сессия с пятью маленькими целями в обёртке «давай заодно ещё это и это» — это и есть тот самый бандлинг, только дороже.

Это эмпирика, а не философия. Spiral — не «давайте делать маленькими шагами, потому что красиво». Это «если делать большими шагами, агент ломается, и вы платите по счётчику».

Дальше встаёт законный вопрос:

Если SDD — это «пиши спеку перед кодом», а Spiral — это «делай маленькими гипотезами и учись», то это что, конкуренты? И что выбирать?

Короткий ответ: ни то, ни другое. Они не конкуренты, они на разных уровнях, и оба переиспользуются как этикетки для известных практик. Длинный ответ — в следующей главе, где я возьму реальную задачу и посмотрю, где сломается каждый из подходов.

Положим, вам надо написать SIEM. Или биллинг, или observability — это, в общем, одно и то же.

Часть четвёртая. Положим, вам нужно написать SIEM

Ок. SDD. Делаем спеку.
Будем реалистами. В 2026 году команда не садится писать спеку вручную. В 2026 году лид открывает свой любимый чат и говорит:

«Дай мне 47 самых важных detection scenarios для enterprise SIEM. AD/Okta, AWS, EDR, Email. С log sources, pseudocode, expected FP rate, expected sources of FP, MITRE-mapped».

Агент выдаёт. Хороший список (дальше на сочном). Brute force, password spray, golden ticket, kerberoasting, suspicious Outlook inbox rules, EDR tampering, S3 bucket exfil, lateral movement via SMB. Каждое правило — с FP-предупреждениями («expected FP: legitimate password reset campaigns, vulnerability scanners, M365 sync issues»). Каждое — с источником логов. К концу дня — 60 страниц спеки. Качественной. Уровня принципала с 15 годами красных глаз в охоте за APT, потому что весь индустриальный опыт уже в обучающем корпусе.

Стоимость — $80 API и пять часов лида. Не три месяца команды.

Это, кстати, серьёзный аргумент в пользу SDD-2026. Возражение «SDD = долго писать спеку» в этой реальности не работает. Спека пишется за день. Качество выше, чем вы видели за последние 30 лет. Аналитики посрамлены, и весь их клан подлежит позорному изгнанию из стойбища. Это отдельная история про сжатие специальностей-посредников, кому интересно — сюда.

Команда читает (загружает в свои БЯМы если честно), исправляет три неточности, утверждает. Дальше — три недели имплементации (сеньор + агент в режиме кодирования, по одному правилу за спринт, ~3 часа на правило с тестами). К концу третьей недели — 45 правил из 47, два сложных оставили на потом, сеньор тоже устал. Лабораторная проверка на синтетике: все 47 сценариев детектируются, даже те которые не писали (тестировали агентом по спеке, он тоже устал), FP rate в симулированном трафике — 4.2%. Приёмка зелёная.
В прод.

Шесть недель в проде:

• FP rate 23%, не 5%. Аналитики тонут.
• Один из рулек (Kerberoasting) даёт ноль FP и ноль TP — оно работает, но AD не настроен генерить нужные events. Ценности нет.
• Перый уровень SOC имеет capacity на 80 алертов в день. Спека генерирует ~400. SOC ушёл в режим «глянул заголовок, забыл», что технически снижает MTTR, но фактически означает, что алерты больше никто не читает.
• К концу четвёртого месяца SIEM пропускает ransomware. Несмотря на то, что антивирус последние две недели отчаянно сигналил. Причина прозаическая: антивирус не из TOP-3, схема своя, названия алертов — честно задокументированный хардкод и техдолг («там нельзя делать, но у меня сроки»), а уровень нормализации, который предусмотрительно вставил senior по настоянию SME, оказался implemented but not wired.

Где спотыкается чистый SDD

Спека от агента знает то, что есть в индустриальной литературе. То есть — known known. «Спрей паролей даёт фоззы на сбросах паролей» — это есть, и агент это упомянул. Но агент не знает:

• что SOC обрабатывает на 80 алертов в день, а спека сгенерирует ~400
• что половина уровней нормализации в проде «implemented but not wired»
• что антивирус — не из TOP-3, и его названия события агент видит впервые
• что объем логов в проде в 30 раз шумнее, чем эталон, на котором обучалась индустриальная литература

Это unknown unknowns конкретно вашей среды. Они не поддаются predictive specification. Никакому. Ни старому, ни SDD-2026, ни завтрашний GPT-7.13.

Спека в этом классе задач — это не план. Это карта мин. И «успешно реализовать спеку» здесь означает не «задача решена», а только «первый раунд прошёл, теперь начинается настоящая работа».

Команда, воспринявшая спеку как план, проиграла раньше, чем начала. И это не их вина — сам агент активно укреплял ощущение, что спека полная. Он же не сказал в конце: «слушайте, у меня тут 60 страниц, и они покрывают 60% реальных проблем, остальные 40% живут в ваших логах и проявятся через 6 недель». Он сказал: «вот 47 сценариев с описанием ложно-положительных паттернов». Уверенно.

Это и есть главная ловушка SDD-2026. Не «спека плохая» — спека хорошая. Ловушка в том, что спека выглядит лучше, чем заслуживает.

Где спотыкается Спираль

Можно вообще не писать спеку. Сесть с минимальным детектором (парсер логов + три правила), задеплоить в прод и учиться на проде.

Loop 1: добавили правило → ловит спрей → но фолзпозитивит на ночных батчах.

Loop 2: добавили исключения для батчей → растёт список исключений.

Loop 3: добавили сеть, правило на C2 → пропустили реальный инцидент с Cobalt Strike, потому что beacon был на нестандартном порту.

Loop 4: расширили правило → ловит VPN.

Loop 30: 70 правил, 200 исключений, никто не помнит, зачем половина из них.

Что произошло? Не было внешней спеки, которая держала бы фокус. Каждый loop оптимизировал ближайшую боль, а долгосрочная цель (покрытие MITRE) дрейфовала. Один из инженеров тихо удалил правило, ловившее APT — потому что «оно постоянно фолзпозитивит, а инцидентов не было». Через восемь месяцев — инцидент. Не задетектили.

У этой ловушки своё имя: сброс пара. В SOC всегда давление снизу — «алерты шумят, тушите». В чистом Spiral нет инварианта, который запрещает удалять детекты без явного процесса. Уроки накапливаются, но не структурированы. Это музей багфиксов, а не методология.

Чистый Spiral в SIEM — это сборник техдолга через шесть месяцев работы.

Что увидели

Чистый SDD — спека хорошая, неполная, реальность бьёт через шесть недель. Чистый Spiral — оптимизация локальной боли, дрейф цели, долг через шесть месяцев.

И там, и там — implemented but not wired в той или иной форме.

Дальше — следующий кейс. Качественно другой провал.

Часть пятая. Вам надо распилить монолит

Я люблю Монолиты. Одиссея 2001 показывает их необходимость. Но есть и другие люди. Уважим их выбор.

Восемь лет Rails или Django, 500K LOC, 40 разработчиков, бизнес работает но нервничает. Стало плохо: команда не масштабируется, деплои синхронизированные, любое изменение одного модуля ломает три других. Решение, которое все принимают в этой ситуации — пилить на микросервисы.

Архитектор (или лид без архитектора, если архитектора съел рынок) открывает свой любимый чат, вкладывает структуру репо, схему БД, описание основных связей. Говорит:

«Спроектируй разделение монолита на микросервисы. Bounded contexts, сервисная архитектура, gRPC vs REST, event bus, миграционный план».

Получает очень убедительный документ на 100 страниц. 12 сервисов с понятными границами (дальше на разрабском) gRPC между ними. Kafka для async events. Service mesh для observability. 18-месячный roadmap с этапами. Risk register. Migration patterns (strangler fig, anti-corruption layer, dual writes). Цитаты из Newman и Richardson. Стоимость — $120 API и день архитектора.

Команда читает. Менеджмент читает. Менеджменту нравится. Утверждает 18-месячный роадмап, выделяет команду, коммитится перед советом директоров.

Через шесть месяцев:

• Service #3 (Payments) выделили — но он зависит от User table, которая всё ещё в монолите. Пришлось делать реплику с двусторонней синхронизацией. В спеке этого не было.
• Service #5 (Notifications) — оказалось, что 17 мест в монолите дёргают Notification.send синхронно с ожиданием результата. Замена на асинк event ломает UX .
• Bounded context для Order оказался ложным. В спеке Order owns Items. В реальности Items owns prices через 4-уровневую иерархию tax rules, и Order не может быть отделён без вытаскивания tax-движка целиком который нахардкожен экспертом ушедшим на пенсию.
• Архитектор, который писал спеку, ушёл (сюрприз). Новый смотрит на план и говорит: «это не сработает, давайте заново». Менеджмент уже вписался. Команда строит костыли.

Через год: пять сервисов выделено. Они делят базу. Половина вызовов между ними — синхронные. Команда наняла консультанта. Консультант смотрит и говорит:

«Вы построили распределенный монолит. Семь сервисов, общая БД, синхронные вызовы. Хуже монолита: тот хотя бы деплоится за один шаг.»

Где спотыкается чистый SDD

И вот тут начинается интересное. В SIEM спека была хорошей, но неполной. Здесь спека активно вредная. Не «недостаточная для прода». Вредная.

Потому что контекст невозможно правильно определить заранее без касания кода. Все это прекрасное наследие живёт в коде, не в головах. Спека была написана по идеализированной модели, которую агент извлёк из написанных "чтобы было" описаний. Реальные связи живут на уровне реализации, в неявных вызовах через общие сесии, батчи, которые ночью переносят данные между двумя «назвисимыми» модулями, в 8-летних хардкодах, которые принимались в спешке, в форме if-else веток на пять уровней.

Агент этого не видит. И не может увидеть. Он смотрит на схему и потоки. Он выдаёт архитектуру "прекрасного нового мира". Эта архитектура — чистая фантазия, которая накладывается на реальную систему и трещит на каждом доступе к базе.

И это бы ничего, если бы спека выходила с большими буквами «вот моя гипотеза, проверьте на коде». Но 100-страничный документ с реестром рисков, цитатами из исходников не выглядит как гипотеза. Он выглядит как план. Хорошо отформатированный, профессионально структурированный план.

Это, по-моему, самая опасная ловушка из всех, которые мы разбираем в этой статье. В SIEM реальность бьёт через шесть недель — больно, но рано. Здесь реальность бьёт через шесть месяцев работы команды по утверждённому плану, и к этому моменту откат стоит больше, чем продолжение.

И это не «агент плохой». Агент сделал то, что его попросили: дал архитектуру по описанию. Если бы его попросили «оцени, насколько достоверно я описал задачу», он бы сказал: «не знаю, у меня нет доступа к коду». Но никто такого вопроса не задаёт. Все задают: «спроектируй».

Где спотыкается Спираль

Хорошо, говорим: не будем писать архитектуру. Будем выделять сервисы по одному, учиться по ходу.

Если кто-то читает, то это в логах:
Loop 1: extract auth into separate service. Lesson: понадобилась session-cookies sync. Hairy, но работает.

Loop 2: extract payments. Lesson: User table dependency, добавили read-replica. Loop 3: extract notifications. Lesson: 17 sync callers. Pain. Боль. Решили async через очередь.

Loop 4: extract orders. Lesson: tax-engine не отделим. Откатили.

Loop 5: попытка заново через другую границу. Lesson: помогает.

Loop 12: 5 сервисов выделено. Менеджмент спрашивает roadmap — нет.

Loop 20: 7 сервисов.

Половина команда не знает архитектуру в целом. Каждый знает свой кусок. Задачи межсервисной отладки никто не умеет. Команда наняла архитектора. Архитектор смотрит и говорит: «вы построили распределенный монолит». Те же самые слова, что и в чистом SDD. Только пришли с другой стороны.

Что произошло? Каждый цикл казался успешным локально, а целое — антипаттерн.

Спираль не имеет механизма проверки системных свойств. Он оптимизирует незначительное изменение. А распределённые системы — про значительные изменения.

Что увидели на двух кейсах

В SIEM ловушка одна (спека неполная), в попиле Монолита — другая (спека вредная). И та, и другая методология ломаются по-своему. И как раньше — обе формы отказа имеют одно общее имя: спека от агента выглядит лучше, чем заслуживает, и команда коммитится.

В SIEM это видно через шесть недель. В Монолите — через шесть месяцев. И это, кстати, прекрасно объясняет, почему все примеры в SDD-литературе — это "чистое поле". Авторизация с нуля. CRUD с нуля. С нуля прикручивать особенно нечего, поэтому проблема не видна. Покажите мне SDD-фреймворк с примером миграции Монолита, и я первый куплю абонемент на Медиум.

Часть шестая. Положим, вы пилите 2D-платформер

Вы сидите дома, в Godot или Unity, один. Никаких 40 разработчиков. Никаких комитетов. Никаких архитектурных гейтов. Любимый кофе, любимый плейлист, и желание — чтобы прыжок чувствовался как в Celeste.

Любимый чат:

«Дай мне production-ready physics для 2D-платформера. Jump, gravity, collision, как у Celeste. Параметры с обоснованием.»

Агент выдаёт прекрасный текст на геймдевском. Coyote time — 0.1 секунды. Jump buffering — 0.15 секунды. Asymmetric gravity — 0.5x на ascent, 1.5x на descent. Variable jump height — release раньше → меньше высота. Терминальная скорость, air control, ground friction. Со ссылками на GDC talks. С таблицей «как у Celeste / как у Hollow Knight / как у Super Meat Boy».

Параметры настоящие. Это реальные числа из реальных игр, не галлюцинация. Кто-то выступал с этими цифрами на конференциях, агент их аккуратно собрал.

Применяете. Прыжок чувствуется как кирпич.

Не понимаете почему. Параметры же правильные. Дизайнеры из Celeste выкладывали их , разработчики Hollow Knight писали посты — coyote time действительно 0.1, асимметричная гравитация действительно 0.5/1.5. Всё совпадает. И всё равно — кирпич.

Где спотыкается чистый SDD

Потому что Celeste — это не coyote time 0.1 секунды. Это coyote time в сочетании с конкретной анимацией приседания при подготовке к прыжку, конкретным звуком приземления, конкретной камерой, которая чуть запаздывает за персонажем, конкретным ускорением бега, которое наращивается за 6 кадров, конкретной точкой , которая отбрасывает на 0.4 секунды до следующей точки.

Параметр без этого окружения — не та функция. Это как взять одну ноту из моцартовского концерта и удивляться, почему она сама по себе не звучит. Нота правильная. Музыки нет.

Ощущение игры — это эмерджентное свойство, не сумма параметров. Спека описывает параметры. Спека не может описать сборку, потому что сборка — это не текст. Это работающая система, которую надо играть, не читать в доке.

И вот тут обнаруживается третий тип ловушки. В SIEM спека была неполной. В Монолите — вредной. Здесь — не той формы. Спека выглядит как ответ на вопрос «как сделать хороший прыжок», но сам этот вопрос некорректный. Корректный вопрос — «как настроить прыжок до сотояния, когда он чувствуется кайфово». А на этот вопрос текстовая спека отвечать не умеет, потому что валидация субъективна. Никакого expect(jump).toFeel('responsive') в pytest нет.

Где спотыкается Спираль

Тут смешно — не спотыкается. Это задача — задача, в которой Spiral это родной режим работы, и так было задолго до агнетов в разработке. В геймдеве это называется итерация. Каждый тюнинг параметра — это цикл, каждый playtest — это оценка.

Loop 1: gravity 9.8, jump velocity 5. Playtest. Lesson: floaty, как на луне.

Loop 2: gravity 25, jump 12. Playtest. Lesson: лучше, но ascent слишком быстрый. Loop 3: asymmetric 0.5/1.5. Lesson: feels good! Loop 4: добавил coyote time 0.1. Lesson: forgiving, players notice.

Loop 5: jump buffering 0.15. Lesson: tighter feel.

Loop 6: variable jump height. Lesson: critical для платформинга.

Loop 7: тестирование на 144Hz — tunneling через тонкие платформы. Lesson: switch to swept collision.

Loop 12: кайфушечка.

В прод.

Это сработало. Без спеки. Без 60 страниц. Без agent army. Один человек, один Godot, playtest и журнал параметров.

Что увидели на трёх кейсах

Разные ошибки. Одна общая черта — спека выглядит лучше, чем заслуживает, команда относится к ней как к правде-истине, а не как к гипотезе.

Это, по-моему, главный класс ошибок агентской разработке в 2026 году. Не «спека плохая» — спеки от агентов в среднем сейчас лучше, чем спеки от отличных аналитиков. Не «агент глупый» — агент очень исполнительный. Ошибка в вопросе: команда задаёт вопрос «дай мне план», получает план, и относится к нему как к плану. А полученный артефакт — это гипотеза. Но каков вопрос, таков и ответ.

Одной формулой:

«SDD — это контракт действия. Spiral — это контур обучения. Это разные уровни.» — Zhet

Дальше встаёт нормальный инженерный вопрос: если спека — это гипотеза, то как именно её доказывать?

И вот тут начинается интересная штука, которая в литературе SDD не упоминается совсем.

Часть седьмая. Чему меня научил Y2K

Прежде чем подводить итог, я хочу рассказать одну историю. Она не про SDD и не про Spiral. Она про то, как я научился делать спеки — и оказывается, ровно так же это устроено в 2026-м, только все стесняются признаться.

Когда я заканчивал уже институт и уже работал, как многие, начал приближаться двухтысячный год. (...) А работал я тогда на Дальневосточной железной дороге, писал какой-то код, администрировал какие-то сервера, и мне говорят: «А вот у нас есть мейнфрейм, и скоро он встанет». Я говорю: «Что такое мейнфрейм? Ну, я примерно знаю, ну покажите». Я захожу, там стоят вот такие вот шкафы. Потом мне сказали, сколько они стоят, не буду озвучивать. Для молодого человека это был шок.И мне сказали: «Вот здесь вот внутри есть программа, на которой считается поиск вагонов, отчёты железной дороги и так далее. Скоро она встанет, потому что есть проблема 2000». Я говорю: «Хорошо, ну я там вроде знаю джаву, там паскаль, там си, несколько языков на ассемблере писал. Дайте мне эту программу». А мне вываливают какую-то штуку под названием кобол.(...) Хорошо, я сел и начал разбираться в этом коболе. Потом оказались там какие-то уже скомпилированные модули, которые непонятно как работают. Я пытаюсь разобраться, без исходников. Технологии сами не знают, почему эта цифра приходит, а вот эта цифра на выходе. И это был практически год, когда мы с людьми, с программами, с терминалами, с отладчиками сидели, пытались разобраться, почему оно так работает, и воспроизвести это на современной базе.

Я тогда не знал, что мы делаем. Сейчас бы это назвали красиво — observability-driven discovery, behaviour archaeology, runtime-based specification (грамар-наци, ваш выход). Тогда мы это называли «сидим разбираемся, почему эта штука так работает».

Спеку никто не писал. Спека рождалась. Часто рождалась сразу в код. Из логов, из терминалов, из отладочных трасс, из тикетов «вот тут не сошёлся отчёт за прошлый месяц». Каждое такое расхождение — это новая строка спеки, которую невозможно было выудить ни из одного человека, потому что ни один человек не знал систему целиком. Систему знала она сама, и единственный способ её прочитать — это смотреть, что она делает.

Через год у нас была спека, которую можно было реализовать на современной базе. Вру конечно. Была система

И она работала, потому что была собрана из работающей системы, а не из чьих-то представлений о том, как она должна работать.

А теперь к тому, что мы только что разобрали на трёх кейсах

Возвращаюсь к SIEM. Что было правильным первым шагом? Не «открыть чат и попросить 47 detection scenarios». Правильным первым шагом было поставить в прод парсер логов и две недели смотреть. А лучше два месяца. Какой реальный объем трафика. Какие реальные события приходят от вашего антивируса не из TOP-3. Какой объем шума. Какие сезонные пики. Какая пропускная способность у вашего SOC. И только потом садиться писать правила — уже зная, что 47 превратятся в 12, что половина пропадёт, потому что нужных событий просто нет в потоке, и что ваши прекрасные инсайты никому не нужны если их больше 80 в день.

Монолит. Что было правильным первым шагом? Не открывать чат и не просить «спроектируй разделение на микросервисы». Правильно было запустить монолит в режиме -vvv на две недели, собрать миллион вызовов между предполагаемыми границами, открыть систему тикетов и посмотреть, где ломается чаще всего. Спека родится оттуда, и она будет правильной, потому что она будет из работающей системы.

Платформер. Что было правильным первым шагом? Не открывать чат и не просить «coyote time как у Celeste». Правильно было сделать минимальный прыжок и играть. Записывать параметры, играть, менять, играть. Эмпирика — из самой реальности геймплея.

Везде один и тот же ответ. Эмпирика рождает спеку, не наоборот.

Два режима сбора эмпирики

И вот тут любопытное. У этого подхода есть два структурно разных режима, в зависимости от того, существует ли уже та реальность, из которой мы собираем.

Реальности ещё нет — она строится по ходу. Это геймдев в чистом виде. Каждый loop одновременно создаёт реальность и собирает с неё эмпирику. Дёшево, быстро, единственно работающий способ для greenfield. Минус — нужна готовность много раз перестраивать то, что только что построил.

Реальность уже есть — её надо разглядеть. Это Y2K-реверс. Это запуск монолита в -v. Это две недели чтения SIEM-логов в shadow mode. У меня в проекте Zhet (это DAST-агент) есть отдельный субпроект Blackhole — большой сервер с кейсами из bug bounty, учебных курсов, разными схемами авторизации и контроля сессий. Назначение — сначала собрать эмпирику работы агента в контролируемой среде, потом выпускать его на реальные таргеты. Не «выпустим, посмотрим» — а «соберём представление о реальности в безопасной форме». Это та же логика, что у Y2K-реверса, просто реальность не мейнфрейм, а пространство возможных уязвимостей.

Это не альтернативы. Это разные ответы на разный вопрос: «реальность уже есть или ещё нет». Где есть — собираем заранее. Где нет — собираем по ходу. И в обоих случаях это первый шаг, до любой методологии.

Что это делает с SDD и Spiral

Если посмотреть честно, эмпирика-первая — это не третья методология рядом с SDD и Spiral. Это то, что должно быть до них обеих. Spiral это понимает нативно — каждый шаг требует измерения, а измерение — это и есть точка соприкосновения с реальностью. Просто Spiral по умолчанию подразумевает итеративный режим. SDD не понимает этого вообще — там реальность встречается только на этапе приемки, и обычно слишком поздно.

И, кстати, тут можно одной строкой попрощаться с TDD как с отдельной модной методологией. Tests-first — это тот же самый принцип, просто в форме «измерение пишем до кода». В терминах нашего разговора это та же ось «эмпирика до методологии», просто масштаб микро. Итеративный TDD = классика red-green-refactor. TDD до спеки = mock-сервер с реальными кейсами, как Blackhole или трейсы исполнения. Это одна и та же штука, просто никто не объединяет её под одним зонтом, потому что у каждой методологии свой блогер.

Так что у нас не три методологии (SDD, Spiral, TDD). У нас одна реально работающая практика — собирай эмпирику, прежде чем что-то проектировать или итерировать. И три способа её упаковать для продажи на Медиум.

Сухой остаток первого горба

Если читатель пришёл сюда за «как мне правильно работать с агентами в 2026-м», вот короткий ответ.

Не торопитесь открывать чат. Сначала посмотрите на работающую систему — реально работающую или ту, которую вы хотите построить, в форме мок-сервера или в форме теста. Эмпирика до методологии.

Спека от агента — это гипотеза, не план. У каждого домена свой способ её доказательства. Между «получил артефакт» и «команда коммитится» должен быть шаг доказательства. Если его нет — спека висит в воздухе.

SDD vs Spiral — ложная дихотомия. Оба работают как надстройка над эмпирикой. Без эмпирики оба превращаются в красивый текст.

И помните: всё, что я вам только что описал — это то, что хорошие инженеры делали всегда. Y2K-реверс был в 1999-м, observability-driven discovery в DDD-литературе с 2003-го, playtest-driven design в геймдеве с 1980-х.

Никакой методологии 2026-го нет. Есть индустрия медиум-блогеров, которая переоткрывает старые практики под новой обёрткой и продаёт по подписке. Если вы не хотите им платить — просто купите книжку по ижинерному делу.

Это, в общем, всё, что нужно понимать про SDD-2026, если читать его трезво.

Если бы я хотел тут поставить точку — поставил бы. Но мне кажется, тут есть ещё один поворот. Потому что мы только что много говорили про эмпирику и реальность. А что если сама реальность, на которую мы смотрим, тоже не та?

Об этом — вторая половина статьи.

Сергей Гордейчик · teletype · telegram · github · тег #profgames

Облегчённая версия событийного слоя A1 — приложение к первой статье цикла «Игры в профессию». Если в A "Четыре актора, три времени" была теоретическая рамка, в A1 — 171 проверенное событие 2020–2026, на которых эту рамку можно стресс-тестировать. Здесь — то, что из этих событий складывается в общий рисунок.

Паттерны отката

Если читать корпоративные заявления про ИИ линейно, картина получается одна: ИИ заменяет, заменяет, заменяет. Если читать их парами «исходное заявление → реальный исход через год-полтора» — картина другая. Заявления чаще откатываются, чем подтверждаются.

Klarna в феврале 2024-го говорила, что ИИ-агент делает работу 700 человек. В мае 2025-го компания открыла найм людей обратно в поддержку, CEO Себастьян Семятковский признал, что «зашли слишком далеко». IBM в мае 2023-го прогнозировала 7 800 заменяемых ролей; в мае 2025-го реальность — пара сотен HR-должностей, общая численность сотрудников за это время выросла. Duolingo в январе 2024-го сократила контракторов и в апреле 2025-го объявила «AI-first»; через четыре месяца CEO уточнил, что увольнений штатных сотрудников не предполагалось. HireVue в 2018–2019-м продвигала анализ выражения лица в видео-интервью; в январе 2021-го компания сама убрала эту функцию из продукта после критики.

Не все идут на попятную. Salesforce в феврале 2025-го заявил «инженеров не нанимаем из-за ИИ», а в сентябре 2025-го сократил 4 000 ролей поддержки, ссылаясь на Agentforce. Это не откат, это эскалация — когда ссылка на ИИ оказывается удобной рамкой и для последующих сокращений. Но это исключение, а не правило.

Есть отдельная геометрия, которая ни откат, ни эскалация — разделение: один вопрос, два разнонаправленных решения. В июне 2025-го за два дня вышли два федеральных решения по обучению ИИ на чужих текстах: Bartz v. Anthropic (Alsup) и Kadrey v. Meta (Chhabria). Оба сказали: обучение на легально приобретённых текстах — fair use (доктрина добросовестного использования). Оба сказали: обучение на пиратских — это другой вопрос, не закрытый. Право начало разделять обучающие данные на классы по легальности приобретения, а не на «можно/нельзя» в целом. Параллельно весной 2025-го Texas подписал Responsible AI Governance Act, а Virginia ветировала свой законопроект о высокорисковых ИИ-системах. Любая компания с операциями в нескольких штатах теперь живёт под несколькими режимами одновременно.

Петля имитации

Самая интересная закономерность в найме — это не «работодатель внедряет ИИ». Это обе стороны одновременно используют один и тот же класс инструментов.

ResumeBuilder показал, что доля компаний, использующих ИИ в найме, выросла с 51% (2023) до примерно 80% (2025). Resume Now показал, что доля кандидатов, использующих ИИ для подготовки резюме, выросла с 35% до 74% за тот же период. Когда обе стороны делегируют когнитивную работу одной и той же модели, отбор перестаёт быть отбором по качеству и становится отбором по совпадению инструментов.

Это не предположение. В сентябре 2025-го появилась статья на arXiv (Jiang et al., «Self-Preference in Hiring») с экспериментом: одни и те же резюме оценивались разными языковыми моделями. Разные модели систематически предпочитали резюме, переписанные той же моделью, на 23–60% выше. То есть резюме, отполированное GPT, имеет преимущество в системе ATS, которая тоже работает на GPT, не из-за качества, а из-за совпадения статистики токенов.

Что происходит дальше — встречное давление. В августе 2024-го суд по делу Mobley v. Workday признал, что разработчик ИИ-системы может нести ответственность за дискриминационный найм. В январе 2026-го NYC опубликовал результаты правоприменения Local Law 144: большинство аудитов формально проходят, но ничего не предотвращают. В декабре 2025-го Eightfold получила коллективный иск по FCRA. В мае 2026-го у Mercor вскрылись утечки данных кандидатов. И — что важнее — Resume Now же опубликовал в 2025 году данные, что 62% работодателей отвергают резюме, отполированные ИИ, если в них видна шаблонная машинная структура. Кандидатов начинают штрафовать за слишком чистый машинный стиль. Канал отбора через резюме ломается с обеих сторон одновременно: те, кто использует ИИ плохо, отсеиваются за шаблонную структуру; те, кто использует ИИ хорошо, попадают в дальнейшую гонку с предпочтением модели к собственному стилю.

Это та самая петля. И она не лечится «лучшим ИИ» с любой из сторон — потому что вторая сторона тут же подстраивается.

Не учат в школе

Когда я говорю про петлю имитации, обычно на это есть возражение: «но ведь в школах та же история, там же научились с этим жить». Я смотрю на события и не вижу, чтобы научились. Я вижу, что школа проходит ровно тот же цикл с задержкой в год.

В январе 2023-го Study.com опросил студентов: 89% использовали ChatGPT для домашних заданий — это плато с тех пор. Институциональный ответ начался в том же году: US Department of Education выпустил рекомендации по ИИ в обучении, ЮНЕСКО опубликовал глобальные рекомендации. Но реальные действия пошли в 2024–25-м.

Запреты телефонов в школах: в начале 2024-го было 2 штата, принявших такие законы. К декабрю 2025-го — 35 штатов плюс DC. Из них 22 закона приняты в 2025-м. Это не один тренд, это волна, в которой Калифорнийский Phone-Free Schools Act (Newsom, сентябрь 2024), нью-йоркский закон «от звонка до звонка» Hochul (май 2025) и аналогичный закон Юты (март 2026) — самые крупные точки.

Тонкие тетрадки для письменных экзаменов в аудитории (blue books), которые казались ушедшими в прошлое. Wall Street Journal в мае 2025-го: продажи blue books за два года выросли на 30% в Texas A&M, на 50% в University of Florida, на 80% в UC Berkeley. Roaring Spring Paper Products подтвердила причину — ИИ. Yale, Princeton, UW-Madison публично перешли с домашних эссе обратно на письменные работы в аудитории.

И одновременно — программы ИИ-грамотности. Arizona State University в январе 2024-го стал первым университетом с партнёрством с OpenAI. Ohio State в июне 2025-го объявил, что ИИ-грамотность становится требованием для выпуска для всех студентов бакалавриата. То есть институции одновременно делают две вещи: ограничивают присутствие ИИ в местах оценивания (запреты телефонов, blue books) и обучают ИИ там, где оценивание проектное.

Это та же закономерность, что в найме: где сигнал ломается, ужесточается верификация; где ИИ продуктивно — обучают на нём.

Провал антиплагиата

Самый поучительный короткий сюжет — это полтора года попыток решить вопрос происхождения текста через ИИ-детекторы. Расскажу его событиями.

31 января 2023-го OpenAI запустила свой AI Text Classifier с предупреждением «не полностью надёжен». 4 апреля 2023-го Turnitin запустила ИИ-детектор для всех своих 200+ миллионов пользователей. 17 марта 2023-го вышла статья Sadasivan et al. о том, что перефразирование ломает любую известную детекцию. 17 мая 2023-го профессор Texas A&M-Commerce использовал ChatGPT как «детектор» (просто спросил, написала ли модель этот текст) и обвинил весь свой класс в использовании ChatGPT — выпускные дипломы временно заморозили. 14 июня 2023-го Turnitin сама опубликовала руководство по ложным срабатываниям. 10 июля 2023-го статья в Patterns (Liang et al.) показала, что детекторы систематически считают тексты неносителей английского языка сгенерированными ИИ — частота ложных срабатываний 61% на TOEFL-эссе против ~6% на текстах нативных носителей. 20 июля 2023-го OpenAI сама сняла свой Classifier «из-за низкой точности». 16 августа 2023-го Vanderbilt стал одним из первых крупных университетов, отключивших ИИ-детектор Turnitin.

Полный цикл от запуска до институционального отказа — четыре месяца.

Дальше события следующие. В августе 2024-го пресса сообщила, что OpenAI разработала текстовый водяной знак для ChatGPT, но придержала выпуск — внутренние документы говорят про опасения по качеству и удержанию пользователей. То есть техническое решение существует, но его не выпускают. В апреле 2024-го Turnitin сама ограничила оценку: показатели ниже 20% больше не показывают, потому что в этой зоне ложных срабатываний слишком много. В июне 2024-го University of Reading провёл слепой тест: эссе, написанные ИИ, на реальных экзаменах в основном не были пойманы и часто оценивались выше человеческих. В декабре 2024 и в июне 2025-го Guardian провёл два расследования о кризисе ложных обвинений в университетах Великобритании. В октябре 2025-го Australian Catholic University отказался от индикатора ИИ от Turnitin после массовых ложных обвинений.

Использование ИИ-детекторов растёт — Turnitin Clarity в марте 2025-го с переходом от «детекции выхода» к «отслеживанию происхождения через процесс» (через сессии набора текста). Но провалов и отступлений растёт быстрее. Детекция как класс инструментов проиграла за три года. И это объясняет, почему школы выбрали запрет телефонов и тетрадки в аудитории, а не «лучший детектор».

Технический и юридический ответ

Если детекция не работает, остаются два других ответа на коллапс происхождения. Один — технический, отслеживание происхождения через подписи и водяные знаки. Другой — юридический, ответственность за легальность обучающих данных.

Технический стек начался с C2PA v1.0 в январе 2022-го (стандарт удостоверений происхождения контента, Coalition for Content Provenance and Authenticity). В июле 2023-го Белый дом объявил добровольные обязательства: крупнейшие разработчики ИИ обязались разрабатывать водяные знаки. Весной 2024-го одновременно запустились политики маркировки: Meta (апрель), TikTok с автоматическим C2PA (май), YouTube (март). Google DeepMind в мае 2024-го расширил SynthID на текст и видео. Adobe в октябре 2024-го выпустил веб-приложение Content Authenticity.

Юридический фронт развивается параллельно. Getty судится со Stability AI в Великобритании с января 2023-го. Authors Guild с OpenAI — с сентября 2023-го. US Copyright Office выпустил три части доклада по ИИ: цифровые копии (июль 2024), охраноспособность (январь 2025), обучающие данные (май 2025). Thomson Reuters выиграл решение о fair use против ROSS в феврале 2025-го. И — те самые два решения июня 2025-го, Bartz и Kadrey, которые расщепили вопрос.

Эти два фронта не параллельны случайно. Они оба пытаются восстановить происхождение, но с разных сторон: технологии — отметить происхождение контента, право — закрепить ответственность за его создание. Когда детекция не работает (нельзя по выходу понять, ИИ это или человек), надо либо сделать происхождение видимым на стадии генерации (сигналы происхождения), либо сделать создателя ответственным за процесс (правила обучения). Оба ответа сейчас в активной разработке.

Юридический фронт развивается параллельно. Getty судится со Stability AI в Великобритании с января 2023-го. Authors Guild с OpenAI — с сентября 2023-го. US Copyright Office выпустил три части доклада по ИИ: цифровые копии (июль 2024), охраноспособность (январь 2025), обучающие данные (май 2025). Thomson Reuters выиграл решение о fair use против ROSS в феврале 2025-го. И — те самые два решения июня 2025-го, Bartz и Kadrey, которые расщепили вопрос.

Эти два фронта не параллельны случайно. Они оба пытаются восстановить происхождение, но с разных сторон: технологии — отметить происхождение контента, право — закрепить ответственность за его создание. Когда детекция не работает (нельзя по выходу понять, ИИ это или человек), надо либо сделать происхождение видимым на стадии генерации (сигналы происхождения), либо сделать создателя ответственным за процесс (правила обучения). Оба ответа сейчас в активной разработке.

Что складывается из всего этого

Если сесть и попытаться суммировать 171 событие в одну картину, получается следующее.

Одна и та же картина в трёх плоскостях. ИИ используют обе стороны → происхождение схлопывается → институции и технологии пытаются его восстановить. В найме это: системы отбора резюме против резюме, написанных ChatGPT → юридическое противодействие и требование персонализации. В образовании: ChatGPT для домашки против тетрадок в аудитории → запреты телефонов и аудиторное оценивание. В цифровом контенте: обучение на чужом против C2PA и водяных знаков → US Copyright Office и федеральные суды.

Откат — закономерность, не исключение. Из задокументированных заявлений компаний об ИИ за 2024–25 годы значительная часть откатывается через год-полтора. Klarna, IBM, Duolingo, HireVue — это не четыре аномалии, это медианный случай. Эскалация Salesforce — это исключение, важное, но численно меньшее.

ТынапислаэтоИИ — это первый ответ, который проваливается. За три года было показано, что обнаружение ИИ-текстов статистически ненадёжно, что оно дискриминирует неносителей английского, что генерирует ложные обвинения, что от него отказываются. Это не означает, что детекция невозможна в принципе — это означает, что она как первый ответ на коллапс происхождения провалилась.

Сопротивление на уровне доверенного посредничества работает медленнее, но системнее. Лицензионные советы (Utah Medical Board о выписке лекарств с помощью ИИ, февраль 2026), детская безопасность (GUARD Act в январе 2026), здравоохранение (UnitedHealth nH-Predict иск 2023-го, Texas PIECES settlement 2024-го) реагируют не быстро, но необратимо. Это четвёртый уровень посреднической матрицы из A — политическое и доверенное посредничество, который сжимается слабее всего.

Расщепление государства уже видно. Texas vs Virginia, федеральный уровень против штатов, US Copyright Office против судов — это не «государство принимает решение», это «несколько уровней государства принимают разнонаправленные решения». Любой бизнес с операциями в нескольких юрисдикциях живёт в режиме расщепления, и это новая регуляторная норма.

И главное — карта работает. Все пять механизмов из статьи A (сжатие найма, истончение происхождения, сжатие посредников, коллапс канала, нейрохалтура) подтверждаются массивом событий. Не «ИИ заменит человека через два года». А «канал между поколениями специалистов уже ломается, и это будет видно в следующие 5–10 лет».

Полная версия событийного слоя — интерактивно на сайте: 171 событие на нелинейной timeline, 7 связанных трендовых сюжетов, walkback-пары, split-решения, фильтруемый каталог. Машиночитаемая JSONL-основа — profgames_ai_signals_v0_3.jsonl, её можно скормить агенту, чтобы найти новое.

Цикл целиком — scadastrangelove.github.io/profgames. Параллельно публикуется на teletype с тегом #profgames.

Сергей Гордейчик · апрель–май 2026

Сергей Гордейчик · teletype · telegram · github · тег #profgames

Перестройка системы воспроизводства профессиональной компетенции под влиянием ИИ. Облегчённая версия первой статьи цикла «Игры в профессию»

Сжатие найма

Самая видимая тенденция, и одновременно самая неоднозначная. Stanford Digital Economy Lab, основываясь на данных крупнейшего американского провайдера зарплатных ведомостей, фиксирует относительное снижение занятости работников 22–25 лет на 13–16 процентов в наиболее затронутых ИИ профессиях. AI Index 2026: разработчики ПО 22–25 лет — минус 20 процентов с октября 2022-го. PwC США сократила набор начинающих на тридцать процентов за три года. Big Four в Великобритании — минус сорок четыре процента год к году.

В России другая картина с теми же выводами. Общее число IT-вакансий упало примерно на четверть. hh-индекс — то есть отношение резюме к вакансиям, мера «насколько тесно» на рынке, — поднялся до 16,1 в третьем квартале 2025-го. Это значит шестнадцать кандидатов на одну позицию.

Сужение реальное, но за ним стоят разные механизмы. Часть — это ИИ действительно делает работу начинающих. Часть — циклическое сжатие после over-hiring 2021–22 годов. Часть — повышение порога входа: «junior» теперь требует прежнего mid-уровня. Часть — переименование ролей внутри организаций: AI-валидатор, prompt-инженер, агент-супервизор. Различить эти механизмы сложно — они смешаны.

Что важно: на уровне профессий коллапса нет. Bureau of Labor Statistics США прогнозирует рост занятости разработчиков ПО на пятнадцать процентов до 2034 года. Project management specialists — плюс шесть. Management analysts — плюс девять. То есть профессии в целом растут, а вход в них сужается. Это не «всех уволят». Это «сложно начать».

И отдельно: средний слой — то есть менеджеры, координаторы, project managers — сжимается даже сильнее, чем junior. Bloomberry проанализировал сто восемьдесят миллионов вакансий: высшее руководство почти не пострадало (минус 1,7 процента), специалисты-исполнители — минус девять, среднее звено — минус 5,7, project manager и coordinator — около минус двадцати.

Истончение провенанса

Под провенансом я имею в виду способность сигнала о ваших навыках доходить до работодателя в неискажённом виде. Раньше эту работу делали диплом, резюме, рекомендация, собеседование. Сейчас всё это работает хуже.

Резюме не обесценилось целиком — оно стало менее информативным. ИИ удешевил производство деклараций (сопроводительные письма, самоописания, «отполированное» портфолио), но не удешевил производство верифицируемых документов. Поэтому повествовательный слой резюме — то, что можно сгенерировать — обесценился, а проверяемый слой — реальный послужной список, дипломы конкретных университетов, признание опытных коллег — наоборот подорожал.

С дипломами хитрее. Производительность языковых моделей на письменных экзаменах подрывает доверие к ним как к сигналу. OpenAI заявляла, что GPT-4 проходит модельный экзамен на адвоката примерно в верхних десяти процентах кандидатов; методология оспорена, но направление понятно. Это разрушает домашние задания и стандартные письменные экзамены — там, где для ИИ нет барьера. Не отменяет проектные, проктируемые, устные, практические формы оценки.

Дополнительная сложность для российской ситуации: значительная часть русскоязычных дипломов исторически плохо переводилась в международный статус. Сейчас, когда стандартные сигналы обесцениваются, эта недостроенная инфраструктура перевода становится заметной — и проблемой.

Сжатие посредников

Это, наверное, самая интересная и самая недоосмысленная тенденция. Под ИИ попадают не все менеджеры подряд, а определённый класс посреднических ролей.

Полезно различать четыре уровня посредничества:

Перевод и суммаризация — technical writers, переводчики, координаторы отчётности, status-PM. Сжимаются сильно: ИИ воспроизводит ядро функции.

Координация рабочих процессов — project managers, scrum masters. Сжимаются средне: рутина автоматизируется, но координация под неопределённостью требует человека.

Носители прав на решение — старшие PM, product managers, account owners. Сжимаются слабее: ИИ помогает, но решения остаются за человеком.

Политическое и доверенное посредничество — старший stakeholder management, legal negotiation, executive sponsorship. Почти не сжимаются: функция строится на доверии, ответственности и политическом капитале — это ИИ не воспроизводит.

Klarna в 2022–24 заменила около семисот ролей в customer service на ИИ-агентов. В 2025-м CEO Себастьян Семятковский сказал «we went too far», и компания вернулась к гибридной модели. Salesforce сократил поддержку с девяти до пяти тысяч человек, поставив Agentforce. Amazon в октябре 2025-го сократил четырнадцать тысяч корпоративных ролей — но Энди Джасси прямо сказал в earnings call: «это не AI, это культура». IBM, наоборот, утроила найм начинающих в 2026-м, формулируя новые роли через анализ, ответственность и работу с ИИ.

Эта пёстрая картина не противоречива. У IBM долгий горизонт планирования — она играет в игру про подготовку senior через десять лет. Salesforce под квартальным давлением — играет в игру про следующий отчёт. Эти двое выглядят как противоположные стратегии, но это одна и та же логика: разный горизонт, разная рациональность.

Коллапс канала

Это сквозной механизм, который связывает первые три тенденции. ИИ удешевляет производство любого формализованного сигнала почти до нуля — холодные письма, заявки на работу, сопроводительные тексты, отчёты, портфолио, рекомендательные письма. Когда стоимость генерации падает до нуля, сама категория сигнала перестаёт работать.

Самый прозрачный пример — холодные письма в продажах. До 2023 года это был канал: компании платили специалистам по холодным продажам, те писали письма, часть получала ответ. Когда все начали использовать ИИ для первичных контактов, почтовые ящики заполнились однотипным шумом. Открываемость упала. Канал умер — не потому, что заменили SDR на AI-SDR, а потому, что вся категория первичного email-контакта перестала быть сигналом.

То же происходит с резюме, академическими работами, заявками на гранты, постами в LinkedIn. Это не «ИИ заменяет человека на этой позиции» — это «ИИ убивает сам канал».

Отсюда два встречных движения. С одной стороны — рост спроса на тяжёлые верифицируемые сигналы: длинный публичный послужной список, признание известных в индустрии коллег, лицензии, регистры. С другой — поворот к провенансу: длинная проверяемая траектория с подтверждением, к которой нельзя «подделать билет».

Нейрохалтура и социально-культурный долг

И последнее — про качество того, что делается. Harvard Business Review в январе 2026-го ввёл термин workslop (русский эквивалент — нейрохалтура): низкокачественная работа, сгенерированная с помощью ИИ, которая выглядит отполированной, но перекладывает когнитивную работу на получателя.

Исследование BetterUp совместно со Stanford Social Media Lab: около сорока процентов работающих за компьютером получали такой контент за последний месяц. Среднее время на разбор одного инцидента — час пятьдесят шесть минут. Экстраполяция для компании в десять тысяч сотрудников — около девяти миллионов долларов в год.

Параллельно — социально-культурный долг (термин Deloitte 2026): сорок два процента работников говорят, что их организации редко оценивают влияние ИИ на людей; восемьдесят процентов руководителей и работников обеспокоены тем, что коллеги используют ИИ, чтобы казаться продуктивнее. Производительность на индивидуальных метриках растёт, а доверие в командах падает. И это не парадокс — это закономерное следствие того, что верификация чужой работы стала обязательной частью каждой задачи.

Сцепленный кризис

Если посмотреть на эти пять тенденций как на отдельные проблемы — каждая выглядит решаемой. Junior squeeze можно компенсировать корпоративными академиями. Истончение провенанса — новыми форматами оценивания. Сжатие посредников — переобучением в роли AI-валидаторов. Нейрохалтуру — корпоративной политикой использования ИИ.

Но это не пять проблем. Это одна проблема со сцепленной структурой.

Работодатель не нанимает начинающих, потому что ИИ делает их работу — и потому, что образование готовит их к работе, которой больше нет. Образование теряет смысл, потому что работодатель не платит за его сигнал — и потому, что сам сигнал обесценивается через коллапс каналов. Сотрудник не знает, как войти в профессию, потому что традиционный путь сломан с обеих сторон одновременно. Каждая попытка реформы одной части быстро упирается в нерешённую проблему соседней.

Это объясняет, почему отдельные «решения» не работают. Корпоративная академия без перестройки оценивания выпускает джунов с дипломами, которые работодатель не считает за провенанс. Новые форматы оценивания без перестройки найма выпускают людей, для которых работодатель не предусматривает место. Найм без обновления профессиональных стандартов даёт работника, который не сертифицируется — и так далее.

И отдельный риск: главный ущерб от этого кризиса — не быстрый, а медленный. Не «ИИ заменит работу через два года». А «через семь-десять лет в индустриях, где сейчас сократили найм начинающих, не из кого будет растить senior». Это бомба замедленного действия. Она проявится тогда, когда сегодняшние руководители уже уйдут.

Маленькое отступление про теорию игр

Всё это хорошо описывается на языке теории игр. У нас четыре игрока — работодатель, сотрудник, образование и государство. У каждого свой горизонт и своя функция полезности. Это проблема шантажа (hold-up problem) Уильямсона: один игрок инвестирует, другой может уйти и забрать выгоду. В модели Беккера для конкурентных рынков базовый прогноз — недоинвестирование в обучение. Acemoglu и Pischke (1998) показали, что для координированных рынков (Германия, Япония) с палатами, лицензиями и сжатием зарплат всё устроено иначе: фирменное обучение там равновесно даже без внешнего мандата. Это объясняет, почему нельзя механически скопировать немецкую систему ученичества в США — её удерживают параметры рынка, а не сама форма программы.

И ещё одна полезная линза — Парето-фильтр для сценариев. Хороший сценарий тот, в котором не проигрывает ни один из четырёх игроков. Плохой — тот, в котором кто-то выигрывает за счёт других. Главный паттерн: хорошие сценарии почти всегда требуют активного институционального обновления. Плохие — реализуются через бездействие. Это значит, что при инерции выигрывает плохой сценарий.

Что с этим делать

У меня нет рецептов. Цикл «Игры в профессию» — не план «что делать в понедельник». Это попытка собрать карту, по которой раз в пару месяцев можно заново определять текущую точку и предстоящие развилки.

Что сейчас понятно: — уверенные прогнозы преждевременны до 2028–2030 годов; реальный масштаб удара станет виден тогда; — частные реформы внутри одной из четырёх позиций не работают; нужна согласованность; — инерция работает против хорошего сценария — на стороне deградации; — это не пять отдельных проблем, а одна сцепленная.

Если вы менеджер — стоит думать про канал подготовки senior на горизонт пяти-семи лет, не только про текущий productivity-gap. Если вы родитель студента — стоит понимать, что диплом сам по себе уже не сигнал, и помочь ребёнку строить долгий проверяемый провенанс. Если вы преподаватель — стоит пересмотреть оценивание в сторону того, что ИИ не воспроизводит. Если вы решаете на уровне государства — стоит думать, какие из ваших мер — короткое государство (бюджет квартала), а какие — длинное (воспроизводство компетенций через десять лет).

И главное — что-то из этого треснет и распадётся. Что-то перестроится. Что-то выглядит как кризис, а на самом деле — обычное циклическое сжатие, которое через два года забудут. Различить — сложно, но возможно. Если есть карта.

Полная версия статьи с цифрами, оговорками и методологией — на сайте цикла. Цикл целиком — scadastrangelove.github.io/profgames, параллельно публикуется на teletype с тегом #profgames. Машиночитаемая фактологическая база открыта — её можно скормить агенту, чтобы найти новое.

Сергей Гордейчик · апрель–май 2026

Туман в горах. Тропа теряется через пять метров. Идти нужно — внизу темнеет, наверху ветер. Кто-то до вас сложил пирамидки из камней. Не маршрут — реперы. От одной к следующей. Дальше — снова туман.

Десятилетиями устоявшиеся институты раскачивает. Собеседования. Карьерные траектории. Дипломы. Профессии, которые казались вечными. Что-то из этого треснет и распадётся. Что-то перестроится. Что-то выглядит как кризис, а на самом деле — обычное циклическое сжатие, которое через два года забудут.

Различить — сложно. Нас раскачивают предсказаниями и новостями. «Все профессии исчезнут». «Созидатели не нужны — нужны потребители». «На заводе мест не хватит». Если присмотреться пристальнее и разобрать источники таких заявлений вместе с их мотивацией — многое становится понятнее. Кто говорит. Зачем. Кому это выгодно. Какие данные в основе. И главное — на какой горизонте смотрит очередная "ванга".

· · ·

Автор находится в суперпозиции, которая перемешивает мир ещё больше.

Как основатель компании и созидатель странного — нанимает людей и внедряет ИИ везде, где можно. Чтобы не отстать. Чтобы не попасть под свой же Манифест. Горизонт — квартал. Полураспад навыков - полгода.

Как отец студента-второкурсника в comsci и старшеклассницы с дипломом музшколы — беспокоится о будущем детей. Горизонт — до диплома плюс сколько-то после.

Как приглашённый профессор и руководитель университетской программы — думает, как трансформировать образование, чтобы не погибнуть под тоннами нейрослопа и выпускать востребованных студентов и основателей новых школ. Горизонт — семь-десять лет до выпуска первой полноценной когорты в новом мире.

В какой-то момент стало заметно, что эти трое регулярно принимают решения, которые мешают четвёртому — государству. И наоборот. Хорошее решение основателя ломает программу профессора. Политика государства обнуляет ставку отца. Это не потому, что кто-то злой или глупый — это потому, что у каждого свой горизонт и своё рацио.

Так появилась рамка четырёх акторов. Не из теории — из наблюдения за коллапсами личной волновой функции.

· · ·

Этот цикл — попытка разобраться системно. Не реагировать на громкие заявления и спекуляции, а собрать карту: какие силы приложены, какие поля действуют, кто играет и в какую игру, какие ходы возможны и что отличает короткую рациональность от длинной.

Мне, если честно, помогло. Стало понятно, за чем следить. Кого нанимать. Какие проблемы нужно уже гасить, а каким — дать потлеть. Какие новости — сигнал, какие — шум.

Здесь нет описания будущего. Будущее уже здесь, оно просто неравномерно распределено. Здесь есть варианты, инструменты и основа, чтобы раз в пару месяцев заново определять текущую точку и предстоящие развилки. Аккуратно идти через туман от одной каменной пирамидки к следующей.

· · ·

Профессор победил основателя, хакера, рок-н-рольщика. Я собрал доступные на момент проработки данные, призвал остатки университетских знаний — ещё не стёртых кибербезной профессиональной деформацией и CEO-шной привычкой решать сложное быстро. Так появился цикл — «Игры в профессию».

Дальше — медленно, плотно, занудно.

Приготовились? Ныряем!

Сергей Гордейчик, апрель–май 2026

P.S. Цикл публикуется параллельно на GitHub и в teletype с тегом #profgames. По мере появления статей и обновлений — там же.

P.P.S. Фактологическая основа цикла опубликована отдельно для человеков и машинков — с разнесением уровней доказательности (административные данные, наблюдательные данные, корпоративный нарратив, мнения и прогнозы). Можете скормить её своему агенту и попросить найти новое — это может стать следующим гурием на пути.