Может ли нейросеть работать за тебя: 3 признака и правда 2026

Откуда вообще взялось обещание «нейросеть заменит тебя на работе»

Реклама сервисов автоматизации звучит одинаково у всех: подключи агента, распишись под задачей, а дальше он сам. Формулировка не выдумана из воздуха - у неё есть реальное основание, просто урезанное до одной цифры без контекста

Компания Anthropic в собственном отчёте об использовании прямо пишет, что всё больше сессий с Claude состоят не из короткого диалога, а из «длинных агентных задач» - то есть модель правда стала брать на себя больше шагов подряд, чем ещё год назад (полный разбор, что такое агенты Claude и как они устроены внутри, есть в отдельном гайде агенты для Claude Code). Проблема рекламной версии этого факта не в том, что она врёт про направление тренда - тренд реальный. Проблема в том, что она молчит про два числа, без которых обещание нельзя проверить: сколько именно шагов подряд модель тянет и с какой вероятностью не срывается на середине пути

Сколько часов подряд нейросеть правда тянет без тебя

У исследовательской организации METR есть прямой замер этого вопроса, и он не про мнение, а про счётчик. Они называют его time horizon - протяжённость задачи, измеренная в часах человеческой работы, на которой модель справляется в половине попыток

По последнему обновлению METR от 8 мая 2026 года, самая способная модель на графике достигает планки около 14-16 часов человеческой работы - и сами исследователи прямо помечают на графике, что измерения выше 16 часов уже ненадёжны на их наборе задач. Скорость роста этой планки при этом впечатляющая: с 2019 по 2025 год она удваивалась примерно раз в 7 месяцев, а к 2024-2025 годам темп ускорился до удвоения раз в 4 месяца, по данным независимого разбора AI Digest на тех же измерениях METR

Здесь и прячется главное расхождение между рекламой и фактом. Реклама читает эту цифру как «нейросеть тянет 14 часов работы» и на этом останавливается. Факт звучит иначе: на задаче такой длины модель проваливается в половине случаев. Для короткой задачи (пара минут) успех почти гарантирован, а вот доверить агенту рабочий день целиком без единой проверки - это по факту монетка

Куда идёт планка дальше: прогноз на несколько лет вперёд

Раз планка растёт по предсказуемой кривой, у неё есть и прогноз на будущее - AI Digest прямо экстраполирует тот же темп удвоения на ближайшие годы. Прогноз не означает, что планка обязательно дойдёт до этих значений точно в срок: экспонента может замедлиться, а может и ускориться, сами авторы разбора называют это именно продолжением тренда, а не гарантией

Даже если прогноз сбудется буквально, смысл цифры остаётся тем же самым, что и сегодня у 14 часов: это планка, на которой модель справляется в ПОЛОВИНЕ попыток, а не гарантированно. Растущая планка не отменяет монетку на её собственной границе - она просто отодвигает эту границу дальше

Почему длинная задача разваливается чаще короткой

Дело не в том, что модель вдруг резко глупеет к вечеру пятого часа работы. Дело в том, как устроены длинные многошаговые задачи в принципе: каждый шаг имеет свой небольшой шанс мелкой ошибки, а ошибки внутри одной цепочки складываются, а не гасят друг друга (базовый рабочий цикл из шести шагов, на котором строится любая такая цепочка, разобран в гайде Claude: рабочий цикл для новичка)

Представь задачу из десяти последовательных шагов, где каждый отдельный шаг модель делает верно в 85 случаях из 100 - на первый взгляд отличный результат для одного шага. Но чтобы вся цепочка из десяти шагов прошла без единой осечки, нужно, чтобы все десять сработали подряд - а вероятность этого события намного ниже, чем 85%: перемножение шансов по цепочке уводит итоговый результат в район 20% успеха на весь десятишаговый путь целиком

Как считается эта арифметика на разной длине цепочки

Правило простое: вероятности отдельных шагов перемножаются, а не усредняются. Если взять тот же самый шаг с надёжностью 85% и просто увеличивать число шагов подряд, итоговый шанс полного успеха падает быстрее, чем кажется на глаз

Отсюда и вытекает практический вывод раздела про три признака ниже: чем короче автономный прогон, тем ближе итоговый шанс успеха к надёжности одного шага. Длинная цепочка не прощает даже небольшую вероятность ошибки на каждом отдельном шаге - она копит её

Живой пример: почему 1600 попыток закончились в основном провалом

Исследователи из Беркли прогнали больше 1600 записанных попыток семи разных мульти-агентных систем и разложили каждый провал на причину. Итог по всей выборке жёсткий: от 41 до почти 87 процентов попыток заканчивались неудачей на стандартных проверочных заданиях, в зависимости от конкретной системы

Самая частая причина провала - даже не сбой модели в моменте, а изначально нечёткая постановка задачи и слабое разделение ролей между агентами. Это прямое опровержение самой рекламной версии тезиса «дальше он сам»: если задачу изначально сформулировали расплывчато, автономность не чинит эту проблему, а усиливает - ошибка просто разгоняется дальше по цепочке шагов, пока кто-то её не заметит (полный разбор рисков автономных агентов и как их снижать - в гайде безопасность автономных ИИ-агентов)

Какие именно системы проверяли и на чём

Исследователи из Беркли не брали одну систему - в выборку попали семь разных мульти-агентных систем, каждая со своим бенчмарком и своей моделью внутри. Это важно: провалы - не баг одного конкретного продукта, а закономерность, которая повторяется у разных команд и разных архитектур

Разброс моделей внутри систем говорит о том же, о чём и общий итог: дело не в конкретной модели, которую взяли за основу, а в том, как вообще устроена передача задачи между несколькими агентами внутри одной системы

Что значит «автоматизация» у самого вендора, а не в рекламе

Компания Anthropic - та самая, что делает Claude - в собственном отчёте об использовании прямо разводит два разных режима работы с нейросетью, и определение стоит прочитать буквально, а не по пересказу маркетинга

Разговор считается «автоматизацией» тогда, когда модель выполняет задачу «с минимальным участием пользователя или вовсе без него» - и в отчёте это конкретно означает короткую прямую команду («переведи этот документ») или короткую петлю правок («сделай письмо более неформальным»). Второй режим - «augmentation», усиление: человек и модель работают вместе над задачей, обмениваясь репликами дольше одной команды

Здесь и находится вторая скрытая деталь рекламы: слово «автоматизация» у вендора значит «модель сделала шаг с минимальным вводом от тебя», а вовсе не «отпустил и полностью забыл на весь день». В том же отчёте виден дополнительный живой факт: доля задач, которую люди СЧИТАЮТ доступной для ИИ, в среднем на 10 процентных пунктов ниже в странах с высоким доходом, чем в странах с низким. Восприятие «нейросеть заменит меня» и реальная граница автономности - это две разные шкалы, и они расходятся ещё до всякой рекламы

Где проходит граница: три признака задачи, которую можно доверить целиком

После всех цифр выше есть практический вопрос - как заранее понять, потянет ли нейросеть именно твою задачу без присмотра. Три признака вместе дают достаточно надёжный фильтр

Задача, которая проходит все три признака сразу, - хороший кандидат на автономный прогон без твоей ежеминутной проверки. Задача, которая проваливает хотя бы один признак, требует присмотра: не значит «нейросеть не справится вообще», значит «не оставляй её одну на всю длину, проверяй по частям»

Что делать, если задача не проходит эти три признака

Не выбрасывать идею целиком, а сузить кусок. Длинную многошаговую работу можно разбить на несколько коротких прогонов с твоей проверкой между ними - это не откат к ручному труду, а способ снизить длину каждого отдельного автономного шага до той зоны, где модель ошибается реже

Практический приём: раздели задачу на этапы так, чтобы после каждого этапа появлялся артефакт, который ты можешь проверить одним взглядом за минуту - файл, черновик, промежуточный расчёт. Чем чаще в цепочке появляется такая точка проверки, тем меньше шанс, что мелкая ошибка ранних шагов доедет незамеченной до самого конца и испортит весь результат целиком. Готовую лесенку уровней, от «правит текст под присмотром» до «делает цепочку задач сама», разбирает отдельный гайд 5 уровней автоматизации на Claude

Где нейросеть реально ошибается, даже когда кажется, что закончила

Отдельная ловушка - модель может честно написать «готово», хотя задача не решена или решена не так, как нужно. Это не выдумка и не редкость: у меня есть отдельный разбор именно этого случая с конкретной проверочной последовательностью из четырёх шагов - агент говорит «готово»: 4 шага, чтобы доделать до конца. Похожий, но не тождественный случай - когда модель формально ответила, но ответ мимо задачи целиком, разбор шести причин и правок собран в гайде Claude делает не то, что просил

Связь с этой статьёй прямая: слово «готово» от модели не отменяет третий признак из раздела выше - чёткую проверку результата тобой. Даже короткая обратимая задача с понятным критерием готовности всё равно нуждается в одном взгляде на результат перед тем, как считать её закрытой

Полный список гайдов про нейросети и инструменты на этом же сайте собран в разделе нейросети и инструменты

Что почитать дальше на этом же сайте

• ИИ-агенты: что это простыми словами и как собрать своего - если после вердикта решишь собрать себе такого помощника
• Агент говорит «готово»: 4 шага, чтобы доделать до конца - живая проверка результата, когда модель уже отчиталась
• 5 уровней автоматизации на Claude - лесенка внедрения для того, кто уже решил двигаться дальше вердикта
• Нейросеть для работы: 5 рабочих задач без VPN за день - конкретные задачи, где нейросеть помогает тебе, а не работает вместо тебя
• Штат ИИ-агентов из одного ассистента: как это устроено - когда одной автономной задачи мало и нужно несколько ролей сразу
• Безопасность автономных ИИ-агентов: 4 риска 2026 года - что проверить перед тем, как дать агенту действовать без присмотра
• Агенты для Claude Code: полный разбор для новичка - как устроены агентные задачи, с которыми сравнивался вердикт этой статьи
• Claude делает не то, что просил: 6 причин и как исправить - соседняя ловушка, когда модель ответила мимо задачи целиком
• Один человек с ИИ вместо компании: почему это работает - что меняется в масштабе задач, когда присмотр всё же нужен по частям
• Нейросети и инструменты - полный список гайдов по теме на сайте

Источники

Все страницы проверены прямым запросом 4 сентября 2026 года, у METR, AI Digest и Anthropic дополнительно сняты кадры живым Playwright headless

• METR: Task-Completion Time Horizons of Frontier AI Models - прямой замер 50%-time horizon фронтирных моделей, обновление 8 мая 2026 года
• AI Digest: A new Moore's Law for AI agents - независимый разбор темпа роста time horizon на данных METR, обновление март 2026 года
• Cemri et al., Why Do Multi-Agent LLM Systems Fail? (MAST) - разбор 1600+ трасс выполнения на семи мульти-агентных фреймворках, три класса причин отказа
• Anthropic: Anthropic Economic Index report - Cadences - определение режимов automation/augmentation и связь восприятия автономности с доходом страны
• Kwa et al., Measuring AI Ability to Complete Long Software Tasks - научная методика time horizon, на неё ссылается сама страница METR, откуда взят способ подсчёта 50%-планки

Памятка: может ли нейросеть работать за тебя

Шесть строк, которые закрывают суть статьи и что с этим делать

Частые вопросы