В нашей практике работы с концепцией НОТ 2.0 мы столкнулись с задачей, которая на первый взгляд лежит вне зоны привычного стратегического консалтинга. Нам нужно было понять, каким набором навыков обязан обладать человек, чтобы оставаться дееспособным в ближайшие пять-десять лет.
Мир меняется с такой скоростью, что прежние модели профессиональной подготовки устаревают еще до того, как их успевают внедрить. Условия известны: кризисы стали перманентными, среда меняется быстрее, чем мы успеваем её осмыслить. Задача выглядела простой, но на деле упёрлась в стену: невозможно ответить на вопрос «каким быть», не поняв, в каком мире жить.
Мы перебрали множество моделей – от эконометрики до поведенческих сценариев. В итоге остановились не на самой сложной, а на той, что даёт простое рабочее описание. Прежде чем рисовать портрет человека будущего, мы решили честно посмотреть, что представляет собой само это будущее. А для этого нам необходимо оглянуться на то, какими моделями пользовался мир последние десятилетия. Что они подсвечивали, а что оставляли в тени.
Краткий экскурс в концептуальные рамки
Первой стала модель VUCA. (Volatility, Uncertainty, Complexity, Ambiguity — изменчивость, неопределённость, сложность, неоднозначность). Её часто приписывают Военному колледжу армии США, который формализовал термин в 1987 году. Однако концептуальные корни уходят в работы Уоррена Бенниса и Барта Нануса, вышедшие в середине 1980-х. VUCA описывает мир через четыре оси: изменчивость, неопределённость, сложность и неоднозначность. Она требовала гибкости, умения действовать при неполной информации. По сути, это был язык адаптации, где мир считался в принципе познаваемым, просто иногда мы не успеваем за ним.
В 2020 году футуролог Джемейс Кашио предложил модель BANI (Brittle, Anxious, Non-linear, Incomprehensible — хрупкий, тревожный, нелинейный, непостижимый). Это был ответ на ощущение, что мир стал не просто нестабильным, а принципиально иным. BANI уже не звала к адаптации — она требовала устойчивости, резервирования, готовности к тому, что полное понимание недостижимо.
В 2022 году психолог и управляющий партнёр «ЭКОПСИ Консалтинг» Марк Розин предложил концепцию SHIVA (Split, Horrible, Inconceivable, Vicious, Arising — расколотость, ужас, невообразимость, порочность, бесконечное порождение угроз), названную в честь бога-разрушителя. Акроним подчёркивал многомерность кризиса: расколотость, ужас, невообразимость, порочность и бесконечное порождение новых угроз. SHIVA требовала антикризисной готовности нового уровня — удерживать единство там, где всё распадается.
Примерно тогда же, также в российской экспертной среде, появилась модель TACI (Trauma, Anxiety, Chaos, Instability — травма, тревога, хаос, нестабильность). Её точная расшифровка и авторство остаются дискуссионными, но большинство трактовок сходятся на том, что она фиксирует субъективное переживание текущего момента — тревогу, ощущение нереальности, фрагментацию сознания. TACI стала важным шагом: мы перестали рассматривать среду как чисто внешнюю данность и обратились к внутреннему опыту.
К 2025–2026 годам, однако, даже эти рамки начинают давать сбои. Новости каждый день подбрасывают сюжеты, которые не укладываются в старые схемы. Но главное, появился ещё один фактор: рабочие версии ИИ с реальными прикладными эффектами. Их доступность изменила правила игры. Терминатор уже не фантастика – он стоит за дверью, и вопрос не в том, придёт ли он, а в том, что мы будем делать, когда он войдёт.
Появление доступных ИИ-систем сравнимо по масштабу с паровыми машинами или конвейером Форда. Но это не просто технологический скачок – это меняет систему бытия. Те, кто первым сможет приспособиться к новой фактуре, получат преимущество. Остальные рискуют быть сметёнными алгоритмической волной, даже не поняв, что произошло.
Теперь понятно, почему без внятного описания текущей ситуации невозможно строить модель человека, готового к вызовам. Мы предлагаем пересмотреть основание, на котором строится понимание реальности. Нужна оптика или язык, которые улавливают качественные изменения – не просто симптомы, а механизмы.
Мы предлагаем модель DRAC (Destructive, Ruthless, Algorithmic, Chaotic – разрушительный, безжалостный, алгоритмический, объективный хаос алгоритмов) – эпоха алгоритмической безжалостности. Это не претензия на истину в последней инстанции, а рабочая гипотеза. Но прежде чем перейти к её разбору, коротко пройдёмся по предшественникам, чтобы лучше увидеть, где старые карты перестают работать и почему без новой мы рискуем заблудиться.
Почему старые модели упираются в потолок
К 2026 году существующие оптика исчерпана. Она описывает симптомы, но не касается причин. А причины лежат в трёх фундаментальных сдвигах.
Первый – когнитивный. Мы перестали спрашивать «что с нами происходит?» и начали спрашивать «как устроены алгоритмы, которые нами управляют?». Симптомы TACI – тревога, ощущение нереальности – стали трактоваться как следствие работы алгоритмических систем. Мы больше не гадаем – мы изучаем эти алгоритмы и учимся вместе с ними.
Второй – институциональный. Регуляторы активно пытаются контролировать технологии, о чём свидетельствуют, например, EU AI Act[1] в Европе и обсуждаемые законы об алгоритмической подотчётности в США. Вместе с тем традиционные институты – образование, медицина, право – либо трансформируются, либо исчезают, уступая место платформам. Этот процесс идёт параллельно с регуляторными усилиями, создавая сложное напряжение.
Третий – онтологический. Иллюзорность перестала быть патологией, она стала базовым свойством реальности. Различение «реального» и «сгенерированного» теряет смысл – важен результат. Если нейросеть создала юридический документ, который прошёл суд, он стал реальным. Если сгенерированный голос провёл переговоры и заключил сделку, он существует. Вот здесь и возникает необходимость в модели, которая вскрывает объективные причины, а не только симптомы.
DRAC: подробный разбор
Если TACI фиксировала субъективные переживания, то DRAC пытается обнажить объективные причины. Это мир, в котором алгоритмы стали полноценными участниками процессов, а человеческие переживания во многом следствием их работы.
Destructive – разрушительный
Разрушительность DRAC отличается от хрупкости BANI или экстремальности SHIVA. Хрупкость – это потенциальная возможность разбиться. Экстремальность – интенсивность внешнего воздействия. Разрушительность же внутреннее свойство системы. Разрушение становится способом существования. Оно неизбежно, и оно – норма.
С 2026 года мы видим это на всех уровнях.
В экономике традиционные бизнес-модели аннигилируются за месяцы под давлением платформенных решений. Компании, ещё вчера казавшиеся монументальными, исчезают, даже не успев осознать, что произошло.
В социальной сфере институты, веками служившие опорой идентичности – профессия, семья, локальное сообщество, – теряют устойчивость. Алгоритмическая среда предлагает новые формы связей, но не оставляет времени на их освоение. Человек оказывается между развалившимся старым и ещё не родившимся новым.
На индивидуальном уровне профессиональные траектории разрушаются. Навыки обесцениваются за несколько лет – по данным исследований IBM и Всемирного экономического форума, для технических специальностей этот срок составляет 2–5 лет, для гуманитарных – до 10–15 лет, но тренд на ускорение устаревания компетенций бесспорен. Приходится постоянно пересобирать собственную идентичность – и это не метафора, каждые несколько лет ты новый человек, и связь с предыдущим «я» становится всё более призрачной.
Ruthless – безжалостный
Безжалостность – это отсутствие вторых шансов. Все предшествующие эпохи оставляли пространство для манёвра, позволяли учиться на ошибках. DRAC не прощает некомпетентности, медлительности, неумелого обращения с цифровыми следами.
С 2026 года это становится тотальным:
Алгоритмическая селекция. Цифровые экосистемы работают по бинарной логике: «ты в системе – ты вне системы». Промежуточных состояний нет. Если профиль не соответствует критериям – доступа нет. Если система не видит тебя, тебя не существует для неё.
Тотальная прозрачность. Цифровой след человека становится крайне значимой характеристикой. Алгоритмы на основе следа выносят решения о кредитоспособности, трудоустройстве, социальном доверии – и эти решения часто оказываются неапеллируемыми. Хотя технически данные можно корректировать, в реальной практике исправление ошибок требует огромных усилий, а репутационные потери остаются надолго.
Отсутствие убежищ. Спрятаться от алгоритмической оценки невозможно. Даже если выключить телефон, о тебе расскажут камеры соседей, данные платежей, следы друзей. Анонимность – пережиток, а не право.
Algorithmic – алгоритмический
Это не просто про цифровые технологии. Это фундаментальное изменение онтологии. Речь о наделении цифровой среды способностью к автономному принятию решений. Алгоритмы больше не пассивные инструменты – они активные агенты, обладающие властью.
Алгоритмическая власть. Решения, влияющие на судьбы миллионов, принимаются алгоритмами. Логика этих решений непрозрачна даже для создателей – возникает феномен «чёрного ящика». Мы видим вход и выход, но не понимаем внутреннего устройства.
Алгоритмическая инфраструктура. Алгоритмы становятся базовым слоем реальности. Поиск, маршруты, партнёры, карьера – всё опосредовано рекомендательными системами. Мы больше не выбираем – мы выбираем из предложенного.
Цифровое дублирование с обратной связью. Всё чаще решения алгоритмов о человеке принимаются на основе его цифрового профиля, который может расходиться с реальным поведением. Если алгоритм считает, что вы в зоне риска, вы теряете доступ к сервисам, даже если объективно ничем не рискуете.
Chaotic – объективный хаос алгоритмов
Здесь то самое ключевое отличие DRAC от предыдущих моделей. В эпоху TACI хаос был субъективным – это хаос восприятия, когнитивный сбой, когда мозг, не изменившийся за десятки тысяч лет, сталкивается с информационным потоком, превышающим его возможности. Мы теряли карту местности, но сама местность продолжала существовать по своим законам. Просто мы их больше не видели.
В эпоху DRAC хаос становится объективным. Тысячи, миллионы алгоритмов, каждый со своей логикой и целевой функцией, вступают в сложные взаимодействия, результаты которых непредсказуемы даже для их создателей. Это можно назвать алгоритмической турбулентностью – средой, где предсказание принципиально невозможно не из-за недостатка данных, а из-за самой природы системы.
С 2026 года хаос обретает новую природу:
- Столкновение множества автономных агентов: торговые роботы, навигация умных городов, рекомендательные системы соцсетей – всё переплетается.
- Эмерджентные эффекты, которые нельзя смоделировать заранее.
- Сосуществование противоречащих друг другу нормативных порядков в разных экосистемах.
- Отсутствие единого центра управления – устойчивость обеспечивается не планированием, а скоростью адаптации.
Мост между симптомом и причиной
Переход от TACI к DRAC можно описать так: человек перестаёт винить себя или «мир вообще» в непостижимости и начинает видеть её истинную природу – множественность конфликтующих алгоритмов, порождающих подлинный хаос. Симптом (ощущение хаоса) находит свою причину (объективный хаос алгоритмов).
Это отвечает на вопрос: «Почему мир стал таким непредсказуемым?» Ответ DRAC: «Он всегда был предсказуем – просто раньше главными действующими лицами были люди, и мы могли понять их логику. Теперь главные действующие лица – алгоритмы, а они не всегда следуют человеческой логике».
В этом суть сдвига: мы перестаём проецировать на мир свои когнитивные ограничения и начинаем видеть объективное устройство. Это не делает реальность комфортной – но делает её более понятной. А понятная реальность, даже если она жестока, даёт точку опоры.
Что из этого следует для человека
Если мир стал разрушительным, безжалостным, алгоритмическим и хаотичным, какие компетенции нужны, чтобы оставаться субъектом, а не объектом? Перечислять очередной список «навыков XXI века» бессмысленно – их уже сотни. Вместо этого предложим четыре принципа, вытекающих из логики DRAC.
- Перестать искать убежище. Его нет. Никакая профессия, институт или локация не дадут защиты от алгоритмической среды. Вместо этого надо научиться работать с ней как с данностью. Не пытаться обмануть систему, а понимать, как она принимает решения, какие данные учитывает, где у неё слепые зоны. Знание алгоритмов становится такой же базовой грамотностью, как чтение и письмо.
- Развить способность к постоянной пересборке идентичности. Если навыки обесцениваются за несколько лет, то привязанность к одной роли теперь роскошь, которую вы не можете себе позволить. Вы не просто меняете работу – вы собираете себя заново каждые несколько лет. Это требует психологической гибкости и умения прощаться с прошлыми «я».
- Принять иллюзорность как норму. Критерий успеха больше не в том, создано ли что-то человеком или машиной. Критерий теперь в функциональности результата. Если нейросеть сгенерировала текст, который убеждает, или изображение, которое продаёт, – это реальность. Споры об авторстве становятся схоластикой. Важно то, что работает.
- Осознать, что скорость адаптации – единственный ресурс. В мире без единого центра управления выигрывает не тот, кто знает ответы, а тот, кто быстрее перестраивает вопросы. Устойчивость обеспечивается не планированием, а исключительно скоростью адаптации. Нужно не просто учиться быстро, а учиться переучиваться – каждый день отказываться от вчерашних убеждений, если они перестали работать.
Как это связано с нашей темой (НОТ 2.0 и управление регионом)
Статья про DRAC – это идеальный концептуальный фундамент для нашей работы по НОТ 2.0. Вот прямая связь:
| Что говорит DRAC | Что из этого следует для НОТ 2.0 |
| Мир стал алгоритмическим и безжалостным. Вторых шансов нет. | Готовить кадры, способные работать в алгоритмической среде. НОТ 2.0 – это «тренажёр» для новой реальности. |
| Скорость адаптации – единственный ресурс. | Студенты и аспиранты должны учиться на реальных задачах, а не на учебниках десятилетней давности. Это и есть суть НОТ 2.0. |
| Постоянная пересборка идентичности – норма. | НОТ 2.0 формирует мета-навыки: адаптивность, витальный интеллект, навигацию в будущем. Это не «софт скиллс», а инструменты выживания. |
| Иллюзорность как норма. | Результат важнее авторства. Студент, решивший реальную задачу с помощью ИИ, ценнее того, кто знает теорию, но не умеет применять. |
Главный вывод: НОТ 2.0 – это не просто образовательный проект. Это практический ответ на вызовы DRAC. Мы готовим людей к миру, где алгоритмы правят бал. И мы делаем это не через лекции, а через решение реальных задач на реальных предприятиях.
В этом смысле статья DRAC – не просто теория, а обоснование того, зачем мы всё это делаем.
Вместо заключения
DRAC – лишь попытка зафиксировать то, что мы видим: эпоха алгоритмической безжалостности уже наступила. Вопрос не в том, как к ней подготовиться, так как мы уже в ней. Вопрос в том, как перестать быть пассажиром и стать хотя бы штурманом, если уж капитана нет.
И, пожалуй, главное – даже в самой безжалостной реальности остаётся место для человеческого. Не для слабостей, а для способности видеть за алгоритмами не только логику, но и смысл. Этот навык, как нам кажется, не обесценится никогда: способность оставаться человеком, когда вокруг всё кричит об обратном.
А для тех, кто готов перейти от осмысления к действию, мы подготовили практический инструмент – концепцию НОТ 2.0 (научная / национальная организация труда). Это не просто очередная методичка. Это попытка построить систему подготовки кадров, которые смогут работать в мире DRAC: решать реальные задачи на стыке образования, науки, власти и бизнеса. Подробнее – на странице проекта.
Авторы: Дмитрий Маслов, Алексей Востряков, Александр Вагенлейтер
[1] EU AI Act (Регламент ЕС 2024/1689) — первый в мире комплексный закон, регулирующий использование искусственного интеллекта в Европейском союзе. Его цель — сделать ИИ ответственным и «доверенным», защищая здоровье, безопасность и фундаментальные права людей.
Ваш комментарий будет первым