Два часа ночи. Я смотрю на четыре окна, одновременно открытые на экране. В одном обрабатываются клиентские материалы. В другом исправляется код. В третьем я догоняю непрочитанные сообщения в Slack. Четвёртое упёрлось в лимит API и ждёт, пока я приму решение. Я не пользуюсь ИИ. Я управляю ИИ — как начальник смены на заводе, который обходит цеха в два часа ночи.
Два месяца назад я думал, что упёрся в потолок того, что ИИ может для меня сделать. Я пользовался им каждый день со времён GPT-3.5: два года разговоров, более умный собеседник для проверки мыслей — и не больше. Потом разговоры закончились и началось управление. Пропасть между двумя режимами — общаться с ИИ и по-настоящему работать вместе с ним — оказалась самым важным профессиональным переходом в моей жизни. Это полевой отчёт с другой стороны, включая неудачи.
Потолок, который я сам себе построил
Я не сторонний наблюдатель за ИИ. Я руковожу компанией, которая полностью его приняла. Я писал на Python, работал с API, следил за исследованиями. Я обращался к ИИ по многу раз в день: черновики записок, проверка стратегии на прочность, подготовка к встречам.
Именно этот комфорт и оказался ловушкой.
Потому что всё, что я делал, было разговорами. Открыть вкладку, задать вопрос, получить ответ, закрыть вкладку. В следующий раз начать с нуля. Я использовал ИИ так, как его используют большинство руководителей: как умного помощника, с которым разговаривают, а не как коллегу, с которым работают. По пути я пробовал готовые агентские продукты. Manus мог удерживать задачу в контексте и помнить её между сессиями — полезно для презентаций, но схема взаимодействия оставалась той же: я поручаю, он выполняет, по одному шагу за раз.
Я знал о помощниках для программирования — GitHub Copilot и подобных инструментах. Но я CEO, а не инженер. Кода я написал достаточно, чтобы быть опасным, но недостаточно, чтобы быть продуктивным. Сама мысль о том, чтобы сидеть в IDE, казалась шагом назад в карьере. Я бессознательно разложил инструменты по полкам: это для программистов, а это для менеджеров. Этот потолок мне не навязали инструменты. Я построил его сам. Я решил, что подходит «человеку вроде меня», и перестал смотреть дальше.
Каково это, когда стена рушится
Наш CTO подтолкнул меня попробовать Cursor. IDE — инструмент программиста. Я много лет не писал код всерьёз. Но любопытство победило.
Cursor не интересуется вашей должностью. Вы обычным английским описываете, что хотите, и он строит — не автодополняет, а создаёт. Для человека, который всегда был на шаг от реализации, умел формулировать требования, но не мог сам строить, это ощущалось так, будто рухнула стена. Впервые я смог прикоснуться к слою реализации.
Потом он подтолкнул меня к Claude Code — консольному ИИ-агенту Anthropic, — и что-то во мне окончательно открылось.
Cursor — умный второй пилот: вы всё ещё ведёте машину, строка за строкой. Claude Code — коллега. Я описываю цель. Он обдумывает проблему, задаёт уточняющие вопросы, пишет код, тестирует его, исправляет то, что ломается. Он держит в голове весь проект: какие файлы существуют, как они связаны, что мы построили вчера. Моя роль сместилась от написания к проверке. Узкое место переместилось с моих технических навыков на две совсем другие вещи: насколько ясно я могу сформулировать, чего хочу, и насколько хорошо могу оценить то, что получаю обратно.
Как выяснилось, оба этих навыка — навыки CEO. Я говорил себе, что инструменты для кода не для меня. Я не понимал другого: инструменты уже переместились туда, где я и так находился.
Затем я обнаружил OpenClaw — фреймворк с открытым исходным кодом для нескольких агентов, — и пол снова ушёл из-под ног.
От Manus к Cursor, от Cursor к Claude Code, от Claude Code к OpenClaw. Вся эта траектория заняла примерно три-четыре недели — кривая ускорения, где каждый следующий скачок был быстрее и глубже предыдущего. К концу я уже не пользовался одним ИИ-инструментом. Я управлял системой.
Кривая ускорения: каждый скачок быстрее и глубже предыдущего
По ту сторону
Вот как выглядит другая сторона этой пропасти — вероятно, через месяц она уже будет выглядеть иначе:
Я работаю с двумя слоями. OpenClaw — слой, который всегда включён. Он находится на облачном сервере, следит за Slack нашей компании и поддерживает операционный ритм бизнеса: переваривает командные обновления, выполняет сценарии внешних коммуникаций, отслеживает клиентские запросы, напоминает команде о дедлайнах. Он стягивает воедино куски, разбросанные между людьми, инструментами и каналами, которые раньше ни у кого не было времени связать.
Claude Code — слой глубокой концентрации. Когда мне нужно серьёзно подумать над чем-то одним — написать эту статью, спроектировать новый рабочий процесс, отладить сам OpenClaw, — я сажусь в Claude Code. OpenClaw — это заводской цех; Claude Code — верстак.
Перестроено под агентов: markdown-файлы служат брифингами, чтобы ИИ понимал проект
Это разделение важно, потому что у разных ИИ-инструментов действительно разные сильные стороны: разные модели, разная память, разный уровень автономности. Разобраться, какому агенту поручать какую задачу, — само по себе новый вид работы, и я всё ещё учусь. Но суть не в конкретных инструментах. Суть в том, что я перешёл от вопросов к ИИ к управлению ИИ-системами, и разница здесь не количественная. Она структурная.
Как это ощущается на самом деле
Вот что изменилось:
До и после: конкретные изменения в шести областях работы CEO
Экономия времени реальна: задачи, которые раньше занимали одну-две недели, теперь занимают час. Но скорость — не главное. У CEO всегда больше дел, чем пропускной способности. Многие задачи попадают в неудобную середину: их стоит сделать, но они недостаточно велики, чтобы нанимать под них человека. Поэтому они просто не делаются — письмо акционерам откладывается, исследование потенциального клиента остаётся поверхностным, последующая коммуникация срывается. ИИ не просто ускорил мою текущую работу. Он сделал так, что работа, которая проваливалась между делами, наконец начала выполняться.
А переход через эту пропасть открыл дверь, которой я не ожидал: к самому ИИ. Я разговариваю с ИИ голосом на прогулках, в такси, между встречами — мысль, которую я проговариваю, переходя улицу, превращается в спецификацию к тому моменту, когда я сажусь. Работая с агентами каждый день, я держу руки на переднем крае: переключаюсь между базовыми моделями (Claude, Gemini, Qwen, Kimi), строю RAG-пайплайны, борюсь с системами памяти агентов. Я не читаю об этом. Я этим пользуюсь. Тревога из-за того, что я отстаю в ИИ, — чувство, которое сейчас носит в себе каждый руководитель, — исчезла. Не потому, что я знаю всё, а потому, что у меня есть система, которая позволяет мне ко всему прикоснуться.
Что это значит, если вы управляете семейным офисом?
Вы управляете не кодом. Вы управляете капиталом нескольких поколений, сложной семейной динамикой и данными, чувствительными к регулированию. Ваша осторожность по отношению к автоматизации оправдана: одна неверная инструкция может затронуть распределение активов между поколениями, одна утечка данных может разрушить репутацию семьи. Но осторожность — не то же самое, что избегание.
В основе работа семейного офиса сводится к следующему: собрать разрозненную информацию, синтезировать понимание, вынести суждение, выполнить, проверить. От консолидации позиций по банкам-кастодианам до прогнозирования денежных потоков PE-фондов и настройки отчётов для каждого члена семьи — какая часть этого является повторяющейся сборкой данных, а какая настоящим принятием решений?
ИИ не будет принимать за вас решения по распределению активов и не скажет, какому управляющему фондом доверять. Но он может дать вам полную картину портфеля по всем кастодианам за пятнадцать минут до встречи и отметить ключевые положения и факторы риска, спрятанные в материалах комплексной проверки, ещё до того, как вы допьёте кофе. Важная граница проходит между обработкой информации, которую можно автоматизировать, и суждением, которое должно оставаться за человеком. Когда вы чётко проводите эту границу, маховик начинает раскручиваться — и разрыв между теми, кто перешёл на другую сторону, и теми, кто не перешёл, быстро растёт.
Та часть, о которой никто не предупреждает
Это была радужная версия. Теперь остальное.
Настройка съедает вас заживо. Задачи, которые я описал, теперь занимают меньше времени. Но построение и поддержка системы, которая их ускоряет, — новая постоянная работа. Я обменял время на задачи на время на инфраструктуру, и для меня итог явно положительный. Но у меня есть мотивация, технический бэкграунд и часы, которые можно сжечь. Для большинства людей это было бы не так.
Мир не построен для агентов. CAPTCHA, запросы двухфакторной аутентификации, истечение сессий, PDF, старые электронные таблицы, лимиты API, рассчитанные на человеческую скорость, — каждый раз, когда агент упирается в одну из этих стен, обходной путь ищете вы. (Эта шероховатость — ещё и огромная возможность, в том числе для компаний вроде нашей. Барьеры — это бизнес-модели.) А самодельные агенты — не продукты. Они LEGO: память, отчётность, оркестрация задач, разрешения, мониторинг, обработка ошибок, интеграции с инструментами. Каждый блок требует решений, многие — технического суждения. Это никогда не заканчивается, потому что базовые модели, API и инструменты меняются каждые несколько недель.
Даже если новейшие агенты понимают обычный английский, вам всё равно нужно направлять их и вмешиваться, когда их рассуждение уходит в сторону.
Недавно я решил построить для OpenClaw трёхслойную систему памяти: память реального времени, дневную память и недельную память. Звучит аккуратно, правда? Я попросил Claude Code прочитать стопку исследовательских статей и спроектировать архитектуру. Он выдал план, который выглядел подробным и завершённым. Я выдохнул, думая, что дело сделано.
Он не запускался.
Я попросил второй экземпляр Claude проверить архитектуру. Он нашёл структурные проблемы. Я их исправил. Всё снова сломалось. Я открыл Codex — кодингового агента OpenAI, — чтобы получить свежий взгляд. Он заметил новые крайние случаи, которые я пропустил. Исправил и их. Потом OpenClaw выпустил новую версию, которая перезаписала код, который я несколько дней менял. Возврат на исходную.
Самое абсурдное: Claude и Codex иногда вносили опечатки — не ошибки рассуждения, а просто неправильное написание в инструкциях, которые они писали для самих себя. Эти пустяковые ошибки удваивали время, которое я тратил на поиск проблем, потому что всегда предполагаешь, что сломалось что-то фундаментальное, и часами смотришь на общую картину, прежде чем обнаружить, что в одном слове не хватает буквы.
Четыре или пять дней такого цикла: исправить, сломать, исправить, сломать — ощущение бега на месте. В итоге мне пришлось вынуть критические секции и вручную просмотреть их строка за строкой. От «экономии времени с ИИ» это было так далеко, как только возможно.
Система памяти теперь работает, наверное, в восьмидесяти-девяноста процентах случаев. Память реального времени всё ещё иногда выдаёт ошибки, но по крайней мере агенты накопили достаточно собственной истории исправлений, чтобы я мог проследить, что пошло не так. Баги всё ещё есть? Да. Достаточно ли я уверен, что три слоя держатся? В основном. Скрестим пальцы.
Инструменты никогда не были доступнее. Суждение, необходимое для хорошей работы с ними, никогда не было более редким.
Claude Code в действии — как на самом деле выглядит «работа с ИИ»
А ещё есть то, что это делает с вами. Примерно две недели я по-настоящему задыхался. Агенты постоянно запрашивали разрешения, просили принять решения, производили результат быстрее, чем я успевал его проверять. Я работал до двух-трёх часов ночи каждую ночь — не потому, что был обязан, а потому что не мог остановиться. Я начал называть это человеческим лимитом токенов: узкое место в системе больше не машина. Это вы.
И это затягивает. Исследователи обнаружили, что недетерминированная природа ответов ИИ запускает дофаминовые механизмы, похожие на игровые автоматы: переменное вознаграждение заставляет снова и снова тянуться за следующим «выигрышем». Исследование HBR в этом месяце подтвердило закономерность: «Инструменты ИИ не сократили работу — они последовательно её усиливали».
В The Matrix есть сцена, где Neo просыпается и понимает, что был подключён к системе, производя результат, который считал собственной жизнью. Параллель не точная, но ощущение неприятно знакомое. Мой консультант сказал проще: «Вы говорили, что ИИ должен был освободить вам время. Почему вы напряжены сильнее, чем раньше?»
Подозреваю, это один из экзистенциальных вопросов волны ИИ: не работает ли технология, а что она делает с людьми, которые используют её лучше всего. Это больше, чем мой личный опыт. Я всё ещё пытаюсь понять, как жить внутри этого. Если вы пойдёте по этому пути, вам тоже придётся это понять.
Если вы начинаете сейчас
Если вам кажется, что в ИИ есть больше, чем вы из него сейчас получаете, вы правы. Я не понимал, что ИИ сокращал дистанцию со своей стороны: инструменты стали настолько лучше и настолько быстро, что вы можете быть в одном шаге от качественного сдвига и не знать об этом. Выберите одну задачу, которая вам действительно важна. Дайте ИИ настоящий контекст. Пусть доверие растёт оттуда. Сомнение не исчезнет — оно просто изменит форму, — и налог на обучение продолжит взиматься. Но отдача реальна.
Граница между разговорами с ИИ и работой с ИИ становится шире. Angelo Robles, который работал более чем с сотней семей миллиардеров, сказал прямо: «То, для чего раньше требовалось двадцать сотрудников, теперь требует одного-двух человек с ИИ». Я перешёл два месяца назад. Это было хаотично, изматывающе и незавершённо — я почти выгорел. Я пишу это не с вершины горы. Я пишу с середины подъёма, переводя дыхание.
Но назад я бы не вернулся.
В следующих материалах я разберу тему глубже: жёсткие данные об ИИ-агентах, как моя команда использует эти инструменты день за днём и как мы переосмысливаем продукт Canopy на пересечении ИИ и управления капиталом. Но если из этой статьи нужно вынести одну мысль, она такая: пропасть можно перейти. Всё начинается с одной задачи.
Mu Chen — CEO of Canopy, которая обслуживает 60+ семейных офисов и UHNW-клиентов по всему миру и отслеживает активы на сумму более USD 90 billion. Он также приглашённый лектор в Tsinghua PBCSF. Он пишет о переднем крае пересечения ИИ и управления капиталом в Amongst Families.
[1] M. Karen Shen & Dongwook Yoon, “The Dark Addiction Patterns of Current AI Chatbot Interfaces”, CHI 2025
[2] Aruna Ranganathan & Xingqi Maggie Ye, “AI Doesn’t Reduce Work — It Intensifies It”, Harvard Business Review, February 2026
[3] Angelo Robles, Family Office Association
