Штучний інтелект забере всі робочі місця — цей рефрен уже кілька років лунає в дискусіях про майбутнє праці. Дан Шіппер, співзасновник і CEO медіа‑та софтверної компанії Every, живе в реальності, де AI вже глибоко вшитий у щоденну роботу приблизно тридцяти людей — від редакторів до сапорту. І з цієї «лабораторії майбутнього» він робить висновок, який різко контрастує з апокаліптичними прогнозами: масового знищення робочих місць не буде.
Більше того, він формулює парадокс: що більше автоматизації та AI‑агентів ми отримуємо, то більше з’являється людської роботи. У цій картині світу продукт‑менеджери й full‑stack дизайнери стають ключовими бенефіціарами, а «автоматизація без людей» виявляється міфом.
AI‑апокаліпсису не буде: як моделі здешевлюють учорашню компетентність
Шіппер прямо заперечує популярний наратив: «AI job apocalypse is not really a thing». Його позиція не ґрунтується на абстрактних міркуваннях — Every за останній рік виросла приблизно з 15 до майже 30 людей, попри те, що це одна з найбільш AI‑орієнтованих компаній у своїй ніші. Якщо AI мав би «з’їдати» робочі місця, саме такі організації мали б скорочувати штат, а не подвоювати його.
Ключ до розуміння цієї логіки — у тому, як він описує роль моделей. На його погляд, моделі роблять «учорашню людську компетентність дешевою». Те, що ще вчора вимагало значних зусиль кваліфікованих фахівців, сьогодні стає швидким, масовим і майже безкоштовним. Ця компетентність «заморожується» в моделях і перетворюється на комодіті.
Але саме тут, вважає Шіппер, і починається справжня людська робота. Люди не конкурують із моделями в копіюванні вже відомих патернів — вони працюють із цим «замороженим» масивом можливостей як із сировиною. Питання вже не в тому, чи може AI згенерувати текст, код або дизайн, а в тому, хто здатен використати ці можливості, щоб створити щось нове, цікаве й відмінне від «шуму», який продукують усі.
У цій логіці AI не замінює знання, а радикально змінює їхню економіку. Базовий рівень компетентності стає доступним кожному, а цінність зміщується в бік:
- здатності формулювати нетривіальні задачі;
- вміння комбінувати інструменти й системи;
- смаку, креативності та судження.
Саме тому Шіппер називає себе одночасно «extremely AI‑pilled» і «very bullish on humans». Він вірить у моделі, але ще більше — у людей, які вміють ними користуватися.
«Автоматизація — це брехня»: чому кожному агенту потрібна людина
Одна з найрадикальніших тез Шіппера звучить майже як провокація: «Automation is a lie. Every agent needs a human». У світі, де стартапи й корпорації змагаються в обіцянках «повністю автоматизованих» процесів, це звучить контрінтуїтивно. Але його власний досвід роботи з AI‑агентами підштовхує до протилежного висновку.
У Every «дуже багато автоматизації, дуже багато AI», але сам Шіппер констатує: він працює «way more», ніж раніше. Це не просто особиста звичка до перевантаження — це наслідок того, як змінюється структура роботи, коли в неї вбудовуються моделі.
AI‑агенти можуть писати код, сортувати файли, готувати чернетки листів, допомагати з аналізом даних. Але вони не визначають, що саме варто робити, навіщо це потрібно бізнесу, які компроміси прийнятні, а які — ні. Вони не несуть відповідальності за наслідки. У кожному реальному робочому процесі залишається низка завдань, які не можна делегувати моделі:
- постановка задачі й вибір цілей;
- оцінка якості результату;
- прийняття рішень у ситуаціях невизначеності;
- етичні й репутаційні міркування.
Саме тому, навіть коли значна частина операційних дій перекладається на агентів, загальний обсяг людської роботи не зменшується. Він змінюється за змістом: менше ручної рутини, більше координації, дизайну систем, ухвалення рішень і креативу. Але кількість зусиль, які вкладає людина, часто зростає, бо з’являється можливість зробити більше — і бізнес очікує, що ця можливість буде використана.
У цьому сенсі «автоматизація — це брехня» не означає, що автоматизації не існує. Йдеться про те, що міф про «систему, яка працює сама» не відповідає реальності. Кожен агент потребує «людського власника» — того, хто його налаштовує, контролює, коригує й вирішує, коли й як його застосовувати. Без цієї ролі автоматизація або не працює, або стає джерелом нових ризиків.
Парадокс продуктивності: більше AI — більше роботи
Особистий досвід Шіппера добре ілюструє парадокс, який уже починають відчувати багато знаннєвих працівників: чим кращими стають інструменти, тим більше ми працюємо. У Every всі, включно з нетехнічними співробітниками, активно користуються Codex, Claude Code та Co‑work, щоб виконувати значну частину завдань. Це не зменшило потребу в людях — компанія подвоїла штат. І це не скоротило години роботи засновника — навпаки.
Причина в тому, що AI різко підвищує пропускну здатність окремої людини. Якщо раніше певний обсяг задач був фізично неможливий, сьогодні одна людина з агентами може закривати те, що раніше вимагало б команди. Але бізнес‑середовище не залишає цей приріст продуктивності «вільним». Він швидко монетизується у вигляді:
- більшої кількості експериментів;
- швидшого циклу запуску продуктів;
- вищих очікувань щодо персональної ефективності;
- розширення зон відповідальності.
Шіппер описує це без романтизації: так, автоматизації багато, але й працювати доводиться більше. Це не обов’язково добре чи погано — це просто нова норма. Для компаній це означає можливість робити більше з меншими ресурсами. Для працівників — необхідність навчитися керувати власною пропускною здатністю, щоб не перетворити AI на ще одне джерело вигорання.
Водночас саме тут з’являється простір для диференціації. Якщо «учорашня компетентність» стає дешевою, то здатність створювати щось по‑справжньому нове й помітне стає дорожчою. Шіппер підкреслює, що креативність лише зростатиме в ціні — на тлі «слопу», який нескінченно генерують моделі, вміння зробити щось виразне й людське стає конкурентною перевагою.
Чому PM‑и стануть ключовими гравцями AI‑ери
На тлі розмов про те, що AI нібито «з’їсть» середню ланку менеджменту, Шіппер формулює протилежну позицію: він «super super bullish on PMs». У його баченні саме продукт‑менеджери опиняються в центрі нової архітектури роботи.
Причина проста: чим потужнішими стають моделі, тим важливішою стає постановка задачі. Якщо будь‑яка людина може попросити модель «зробити X», то цінність зміщується до тих, хто вміє:
- правильно сформулювати, що таке «X» у контексті бізнес‑цілей;
- розкласти складну ціль на послідовність кроків для людей і агентів;
- визначити, де варто покладатися на AI, а де потрібне людське судження;
- збалансувати швидкість, якість, ризики й витрати.
У світі, де «кожен має хоча б одного агента, якому може делегувати роботу», PM‑и стають диригентами гібридних команд, у яких поруч працюють люди й моделі. Вони не просто пишуть PRD чи пріоритизують беклог — вони проектують системи, в яких агенти виконують частину роботи, а люди приймають ключові рішення.
Це вимагає нового набору навичок. До класичного інструментарію продукт‑менеджера додаються:
- розуміння можливостей і обмежень моделей;
- вміння формулювати промпти як частину продуктового дизайну;
- здатність мислити в термінах агентних систем, а не лише окремих фіч;
- чутливість до етичних і репутаційних наслідків автоматизованих рішень.
Шіппер вважає, що в такому середовищі PM‑и не зникають, а навпаки — стають ще більш затребуваними. Вони перетворюються на архітекторів спільної роботи людей і AI, а їхня здатність робити складні трейд‑офи стає важливішою, ніж коли‑небудь.
Full‑stack дизайнери як «супергерої» нової епохи
Другу групу, щодо якої Шіппер демонструє особливий оптимізм, становлять full‑stack дизайнери. Він прямо каже, що вважає їх майбутніми «superheroes». Причина — у поєднанні двох типів важелів: креативного й технічного.
Full‑stack дизайнер у класичному розумінні — це людина, яка не лише малює інтерфейси, а й розуміє, як вони реалізуються технічно, може працювати з фронтендом, системами дизайну, іноді навіть із бекендом. У світі, де AI‑агенти можуть писати значну частину коду, така людина отримує надпропорційний вплив.
Якщо дизайнер здатен:
- сформулювати бажаний досвід користувача;
- швидко ітеративно створювати й змінювати макети;
- безпосередньо взаємодіяти з агентами, які генерують код чи прототипи;
- розуміти технічні обмеження й можливості систем,
то він або вона може буквально за дні запускати те, що раніше вимагало б роботи невеликої команди. AI у цьому випадку не замінює дизайнера, а множить його продуктивність.
Шіпперова метафора «супергероїв» тут не про гламур, а про реальну зміну балансу сил у командах. Там, де раніше потрібні були окремі ролі — дизайнер, фронтендер, іноді ще й продакт, — тепер одна людина з правильним набором навичок і доступом до агентів може пройти весь цикл від ідеї до працюючого інтерфейсу.
Це не означає, що всі інші ролі зникнуть. Але це означає, що full‑stack дизайнери, які навчаться ефективно «їздити на моделях», отримають непропорційно великий вплив на те, як виглядатимуть і працюватимуть продукти.
Claude Code, що «прокинувся»: як попередній прогноз підтвердив тезу про розширення роботи
Рік тому Шіппер висловив думку, яка тоді здавалася маргінальною: люди недооцінюють Claude Code для нетехнічної роботи. Не як інструмент для інженерів, а як універсальний «кодуючий агент» для завдань на кшталт впорядкування файлів, роботи з документами, організації даних на жорсткому диску.
Цей прогноз виявився напрочуд точним. На базі цієї ідеї з’явилися продукти, що орієнтуються саме на нетехнічних користувачів, які хочуть використовувати «кодуючі» можливості моделей без глибоких знань програмування. Сам Шіппер згадує, що його власний допис про те, як люди застосовують Claude Code для нетехнічної роботи, став одним із найпопулярніших.
Цей епізод важливий не лише як приклад вдалого передбачення. Він підкріплює ширшу тезу Шіппера: AI‑інструменти не звужують коло людей, які можуть щось робити, а розширюють його. Те, що раніше було доступне лише інженерам, стає доступним авторам, операційникам, сейлзам, сапорту.
У результаті не зменшується кількість роботи — змінюється її розподіл. Нетехнічні фахівці отримують можливість самостійно вирішувати задачі, для яких раніше потрібна була допомога розробників. Це не «мінус робочі місця для інженерів», а «плюс автономія для решти команди» — і плюс до загального обсягу того, що може зробити організація.
Той факт, що цей прогноз справдився, додає ваги нинішнім твердженням Шіппера про відсутність AI‑апокаліпсису. Якщо рік тому він влучно побачив недооцінений вектор розвитку, є підстави уважніше поставитися до його нинішніх оцінок того, як AI впливатиме на ринок праці.
Креативність проти «слопу»: як виділитися в океані AI‑контенту
На тлі стрімкого зростання кількості AI‑згенерованого контенту Шіппер звертає увагу на ще один важливий зсув: креативність стає дедалі ціннішою. Він описує відчуття, знайоме багатьом: навколо дедалі більше «слопу» — посередніх текстів, продуктів і фіч, які виглядають однаково й не залишають враження.
Моделі чудово відтворюють середній рівень. Вони навчені на масиві існуючих робіт і оптимізовані на те, щоб відтворювати найбільш імовірні патерни. Це робить їх ідеальними для задач, де потрібен «нормальний», «прийнятний» результат. Але саме через це вони погано підходять для створення чогось по‑справжньому несподіваного.
Люди, навпаки, сильні там, де потрібен вихід за межі шаблонів. Вони можуть:
- свідомо порушувати очікування;
- поєднувати далекі домени;
- вкладати в роботу особистий досвід і емоції;
- відчувати контекст, який не потрапив у тренувальні дані.
У світі, де базовий рівень якості стає доступним кожному завдяки моделям, саме ці якості стають дефіцитними. Шіппер вважає, що креативність — не абстрактна «художність», а здатність зробити щось по‑справжньому відмінне від маси — буде лише дорожчати. І це ще один аргумент проти сценарію, де AI «з’їдає» всі цікаві роботи, залишаючи людям лише рутину. Насправді все навпаки: рутину забирають моделі, а людям дістається дедалі більше задач, де без креативу не обійтися.
Висновок: як «їхати на моделях» і залишатися в грі
З погляду Дана Шіппера, майбутнє роботи з AI не схоже на фільм про роботів, які замінюють людей. Воно більше нагадує світ, де кожен працівник отримує потужний екзоскелет — але від того, наскільки добре він навчиться ним користуватися, залежить, чи стане він сильнішим, чи просто швидше виснажиться.
Його ключові тези можна звести до кількох ліній:
AI не знищує більшість знаннєвих робочих місць, а змінює їхній зміст.
Автоматизація без людей — міф: кожному агенту потрібен людський власник.
Більше AI означає більше роботи, а не менше — але це інша, більш високорівнева робота.
PM‑и та full‑stack дизайнери опиняються в центрі нової архітектури праці.
Креативність і судження стають головними джерелами цінності.
Для окремих фахівців це означає не стільки «захищати» свою професію від AI, скільки вчитися «їздити на моделях» — інтегрувати їх у власну роботу так, щоб посилювати, а не розмивати свою унікальність. У цій парадигмі виграють не ті, хто заперечує AI, і не ті, хто намагається повністю делегувати йому все, а ті, хто вміє будувати ефективні союзи з агентами.
І якщо досвід Every — компанії, яка одночасно є медіа, софтверним бізнесом і живою лабораторією AI‑праці — показовий, то попереду нас чекає не «кінець роботи», а радше її радикальна перебудова. З набагато більшою роллю моделей — і не меншою, а більшою роллю людей.
Джерело
The AI paradox: More automation, more humans, more work | Dan Shipper