17 мая 2026 года chief design officer и футурист Domo Крис Уиллис публично прошелся по корпоративной гонке за нейросетями: по его словам, ажиотаж вокруг ИИ превратился в источник тревоги для менеджеров и сотрудников, а для компаний — в дорогой ритуал «мы тоже что-то делаем». Для русскоязычной IT-аудитории этот сигнал важен по простой причине: давление «внедрить ИИ немедленно» уже стало не только американской, но и глобальной управленческой модой, а платить за нее приходится командам, бюджетам и здравому смыслу.
Уиллис в интервью, о котором сообщает The Register, задал довольно неприятный для рынка вопрос: почему людей недостаточно раздражает то, как AI-компании продавили эту повестку через страх? По его наблюдению, тревожность ощущается по всей вертикали — от C-level до линейных специалистов. Посыл знакомый: если не запрыгнешь в поезд сейчас, останешься без карьеры, продукта и, возможно, самой компании. На этом фоне руководители начинают закупать инструменты, доступы к моделям и пилотные решения не потому, что понимают задачу, а потому, что боятся выглядеть отстающими.
Ключевая претензия Уиллиса не в том, что ИИ бесполезен, а в том, как он упакован и продается. Он описывает большие языковые модели как продукт без внятной спецификации: обещание звучит примерно так — «подойдет всем, для всего, в любом сценарии и на любом языке». Для маркетинга это удобно, для бизнеса — почти гарантированный источник путаницы. Если инструмент позиционируется как универсальный ответ на любой вопрос, команда очень быстро перестает различать, где у нее реальная операционная проблема, а где просто желание приложить модное слово к старому процессу.
Отсюда и следующий тезис: у многих компаний не проблема с инновациями, а проблема с нетерпением. По версии Domo, сверху идет давление «сделать что-нибудь прямо сейчас», и ИИ начинает работать как театр. Нужно показать совету директоров, инвесторам, рынку и сотрудникам, что организация «в теме», что она не проспала новую волну. В такой логике пилоты множатся, презентации становятся все красивее, а метрики эффекта — все расплывчатее. Для разработчиков и продактов это обычно выглядит знакомо: сначала закупаются лицензии, потом спускается KPI по использованию, а уже потом начинается разговор о том, какую именно проблему мы вообще пытались решить.
Когда токены становятся KPI
Уиллис отдельно зацепил явление, которое в англоязычной среде уже успели окрестить tokenmaxxing: компания покупает доступ к моделям и дальше подталкивает сотрудников генерировать как можно больше запросов и тратить как можно больше токенов. Снаружи это выглядит как признак зрелости — люди активно пользуются ИИ, внутри кипит работа, на дашбордах растет потребление. Но сам по себе счетчик токенов ничего не говорит о бизнес-результате. Да, отдельные сотрудники могут работать быстрее: быстрее написать черновик, быстрее собрать сводку, быстрее накидать SQL или текст письма. Но рост личной продуктивности не равен росту маржи, выручки или качества клиентского опыта.
Для технических команд здесь есть довольно жесткий, но полезный вывод. Если организация меряет успех количеством обращений к модели, а не сокращением времени цикла, падением числа ошибок, снижением ручного труда или улучшением SLA, значит, ажиотаж вокруг ИИ уже победил инженерный подход. В такой среде легко получить гору proof-of-concept-проектов, которые хорошо смотрятся на демо, но не проходят проверку эксплуатацией: не хватает контроля качества, непонятна зона ответственности человека, не закрыты вопросы доверия, аудита и масштабирования.
С чего начинать вместо лунных миссий
Практический рецепт у Domo довольно приземленный, и именно этим он интересен. Уиллис советует не ставить перед ИИ «космические» цели и не начинать с мечты полностью заменить людей чат-ботами. Вместо этого — идти от бизнес-процесса, который уже понятен, измерим и страдает от рутины. В качестве примера он приводит проект для клиента, где приложение просматривает счета компании, ищет расхождения и выносит подозрительные места на проверку человеку. Никакой магии, никакой попытки «пересобрать всю компанию на ИИ», зато есть ясная логика: данные известны, критерии частично формализуемы, человек остается в контуре там, где нужен здравый смысл и финальное решение.
Этот подход особенно понятен тем, кто реально внедрял автоматизацию, а не только видел слайды про нее. Сначала нужно разобраться, где в процессе требуется человеческое суждение, а где решение можно проверить и потому безопасно автоматизировать. По словам Уиллиса, именно этот вопрос часто вообще не задают. В результате компании ставят в центр не задачу, а технологию. Получается мощный двигатель, который разгоняет бизнес «с выключенными фарами ночью» — образ грубоватый, но точный. Если в процессе уже есть бардак, ИИ обычно не лечит его, а масштабирует.
Контекст для этого предупреждения у рынка есть. Уиллис напоминает историю Klarna, которая громко замещала часть клиентского сервиса ИИ, а затем вернулась к людям. Здесь важна не конкретная доля автоматизации, а сам паттерн: идея «давайте просто заменим все ботом» слишком соблазнительна для презентации и слишком хрупка в реальной поддержке. Пользователь может терпеть бота ровно до того момента, пока у него не начинается нестандартная проблема, спорный платеж или эмоционально нагруженный кейс. После этого выясняется, что экономия на людях и надежда на универсальный интерфейс были слегка преждевременны.
Для российского и русскоязычного рынка в целом эта история читается без перевода. Давление на CIO, CDTO, продуктовые и инженерные команды будет только расти: у всех на руках презентации с обещаниями ускорения, сокращения штата и «новой эффективности». Но следующий раунд вопросов уже задают не евангелисты, а финансовые директора: почему на инструменты потрачено больше, а измеримого эффекта нет? Именно здесь ажиотаж вокруг ИИ заканчивается и начинается взрослая часть разговора — про процессы, контроль, стоимость ошибки и цену человеческого участия. Возможно, главный дефицит 2026 года в AI-стеке — не модели и не токены, а управленческое терпение. Подробности исходного интервью можно посмотреть в .