Мустафа Сулейман, один из основателей DeepMind и нынешний глава Microsoft AI, опубликовал в MIT Technology Review программную статью о природе экспоненциального роста ИИ. Материал важен не как очередной манифест, а как диагноз когнитивного сбоя, который дорого обходится бизнесу прямо сейчас.
Шахматная доска, которую мы снова проигрываем
Притча о мудреце и рисе — не абстракция из учебника.
На 64-й клетке шахматной доски при удвоении с каждой клетки накапливается 2⁶³ зёрен. По весу — около 200 млрд тонн риса. Это больше, чем человечество вырастит за несколько тысяч лет.
Когнитивная проблема здесь одна: богатый властитель согласился мгновенно. Потому что первые клетки выглядят скромно: 1, 2, 4, 8, 16... Мозг интерполирует линейно и не чувствует, что происходит за 32-й клеткой.
Даниэль Канеман описывал это как «пренебрежение темпом»: мы оцениваем конечное состояние, игнорируя скорость изменений. Рэй Курцвейл строил на этом же эффекте весь «Закон ускоряющейся отдачи». Ни один из них не был услышан широкой аудиторией управленцев.
Что сказал Сулейман — и почему это важнее, чем кажется
Сулейман открывает статью прямо:
"We evolved for a linear world... This intuition served us well on the savannah. But it catastrophically fails when confronting AI and the core exponential trends at its heart."
Это формулировка проблемы, а не повод для паники. Наш мозг отлично справлялся с оценкой расстояния до хищника. Он системно ошибается при оценке роста вычислительной мощности, скорости распространения модели или глубины автономии агентов.
Практическое следствие: большинство трёхлетних стратегий, написанных даже опытными командами, закладывают линейный сценарий развития ИИ-инструментов. Такие стратегии устаревают раньше, чем их утверждают советы директоров.
Почему не будет «потолка» у масштабирования
Один из главных аргументов скептиков звучит так: «Вычислительные мощности упрутся в физические ограничения, рост замедлится».
Сулейман с этим не согласен — и у него есть основания.
Три независимых экспоненты работают параллельно:
- Вычисления — мощность кластеров удваивается каждые 12–18 месяцев.
- Алгоритмы — эффективность архитектур растёт отдельно от железа. По данным исследования Epoch AI, с 2012 по 2023 год алгоритмическая эффективность улучшалась примерно вдвое каждые 9 месяцев.
- Данные — объём обучающих корпусов и качество разметки продолжают расти.
Когда три экспоненты перемножаются — суммарный эффект непредставим даже специалисту.
От чата к агенту: это и есть следующая клетка доски
Переход от чат-интерфейса к автономным агентам — это качественный сдвиг, который большинство компаний пока воспринимает как маркетинговое переименование.
Разница существенная:
| Чат-модель | ИИ-агент |
|---|---|
| Отвечает на запрос | Выполняет цепочку задач самостоятельно |
| Работает в рамках одного диалога | Управляет процессами, вызывает инструменты |
| Нужен человек для каждого шага | Человек нужен для постановки цели и контроля результата |
По данным McKinsey (2025), компании, внедрившие агентные рабочие процессы, сократили время выполнения рутинных аналитических задач на 40–60%. Цифра звучит как маркетинг — до момента, когда считаешь высвобожденные человеко-часы в деньгах.
Ключевое следствие для бизнеса: CAC (стоимость привлечения клиента) и CPA (стоимость целевого действия) при агентной автоматизации маркетинговых операций начинают снижаться нелинейно. Первые 20% автоматизации дают экономию, следующие 20% — другой порядок цифр. Это и есть экспонента в действии.
Сулейман против AGI: почему «суперинтеллект» — неправильная цель
Позиция Сулеймана здесь принципиальна:
"The anti-goal is autonomous superintelligence. What we're building is a teammate. An assistant. Something in your corner, backing you up."
Это прагматичная позиция, а не философская. Автономный суперинтеллект как цель — это продукт, который невозможно продать, встроить в процесс или проверить на соответствие KPI (ключевым показателям эффективности). Партнёрская модель — рабочая метафора для корпоративного внедрения.
Для управленца это означает следующее: не ищите в ИИ замену команды. Ищите инструмент, который увеличивает производительность каждого члена команды. Разница в горизонте окупаемости — год против трёх лет.
Линейные ошибки с нелинейными последствиями
Вот где экспоненциальный сбой мышления бьёт по бизнесу конкретно:
Бюджетирование ИИ-инструментов. Компании закладывают фиксированную статью на «ИИ-подписки», исходя из текущих цен. За 18 месяцев возможности за те же деньги удваиваются — бюджет не пересматривается, конкурент получает преимущество.
Найм. Линейная логика: «наймём 5 аналитиков, закроем задачу». Экспоненциальная реальность: через год один аналитик с агентными инструментами даст вывод быстрее пяти. Это меняет модель найма, а не только инструменты.
Оценка конкурентов. Если конкурент начал активно внедрять ИИ в операционные процессы — его скорость будет расти нелинейно. Линейная экстраполяция скажет «они нас немного обгоняют». Реальность через 24 месяца может быть другой.
Эпидемия как калибровка
Сулейман упоминает эпидемии как классический пример провала линейного мышления.
В начале 2020 года большинство управленцев и политиков смотрели на 100 случаев заражения и думали: «Это управляемо». Экспоненциальный рост за 3–4 цикла давал 1600 случаев. Мозг не чувствовал этого перехода — пока он уже не случился.
ИИ работает по той же схеме. Сейчас кажется, что автоматизация маркетинга — это «эксперимент 5% команды». Через два-три цикла удвоения это будет базовый операционный стандарт, и те, кто не начал, окажутся в позиции догоняющего с линейной скоростью.
Как тренировать мышление под экспоненту
Мозг можно обучить считать экспоненты — Сулейман прямо об этом говорит. Вычислять и интуитивно чувствовать — разные навыки, но первый помогает корректировать второй.
Три практических подхода для управленческих команд:
Метод «удвоения». При оценке любой ИИ-зависимой метрики спрашивай: «Что будет, если через год это удвоится? А через два — ещё раз?» Это не прогноз, это калибровка диапазона.
Сценарное планирование с нелинейным треком. Рядом с линейным и консервативным сценарием всегда держи «экспоненциальный». Пусть выглядит фантастикой — задача в том, чтобы не быть им застигнутым врасплох.
Квартальный пересмотр ИИ-стека. Инструменты меняются быстрее годового цикла планирования. Раз в квартал — аудит: что появилось, что изменилось в производительности текущих решений, где ROI (возврат на инвестиции) пересчитывается в пользу замены.
Что делать
- Пересмотри горизонт планирования по ИИ. Трёхлетняя стратегия с линейными допущениями устареет за 18 месяцев. Переходи на 12-месячные циклы с квартальными точками пересмотра.
- Считай стоимость бездействия. CAC и LTV (пожизненная ценность клиента) конкурентов, активно внедряющих агентные инструменты, будут расти нелинейно. Это риск, который надо оцифровывать.
- Внедри «экспоненциальный сценарий» в стратсессии. Рядом с базовым прогнозом всегда моделируй вариант удвоения скорости изменений.
- Разделяй цели: партнёр и автопилот. Сулейман прав в том, что «коллега» — рабочая рамка. Ставь ИИ задачи, которые измеряются, а не задачи, которые «делают всё сами».
- Прочитай статью Сулеймана в оригинале. Ссылка: technologyreview.com/2026/04/08/1135398. Это не технический текст — это управленческая рамка.
Статья Сулеймана важна не потому, что написана главой Microsoft AI. Она важна потому, что называет конкретный когнитивный сбой, который стоит компаниям денег прямо сейчас. Большинство маркетинговых команд недооценивают скорость изменений — и закладывают бюджеты, стратегии и найм под мир, который уже меняется быстрее их Excel-модели. Экспоненту нельзя почувствовать интуитивно — её можно только дисциплинированно считать. Те, кто начнёт это делать в 2026-м, через два года будут объяснять остальным, как они «внезапно вырвались вперёд».