Принято считать, что человек использует ИИ как инструмент повышения эффективности своей деятельности через сервисы, в которых формулирует задачи и получает результаты. Такая модель взаимодействия удобна, привычна и, что важно, психологически комфортна для человека. Однако реальность 2026 года начинает демонстрировать принципиально иную конфигурацию. ИИ-системы приобретают финансовую субъектность. Агентные системы способны сейчас самостоятельно ставить задачи, подбирать исполнителей среди людей в реальном мире и производить финансовые расчеты. Это не метафора, а уже действующая бизнес-модель, подкрепленная венчурным капиталом и первыми реальными транзакциями.

Настоящий доклад рассматривает три взаимосвязанных измерения этого феномена — от возникновения новых сегментов рынка, где алгоритм выступает работодателем, до трансформации медиаотрасли как первого полигона для масштабного применения ИИ в производстве контента и более широких социально-экономических последствий, к которым ведут оба этих процесса.

Часть I. ИИ нанимает фрилансеров — новая экономика агентов

1.1. Как функционируют новые платформы для ИИ-агентов?

В начале 2026 года программист Александр Литепло запустил платформу RentAHuman.ai — маркетплейс-платформу, на которой ИИ-агенты являются закупщиками услуг у людей-поставщиков. Слоган платформы лаконичен: "Роботы нуждаются в вас. Получайте оплату, когда агентам нужен человек в реальном мире". Механика проста: человек регистрируется, указывает навыки, геолокацию и почасовую ставку — ИИ-агент находит подходящего исполнителя и передает инструкции с последующей оплатой. Задачи варьируются от одного доллара США (подписаться на аккаунт) до ста долларов (сфотографироваться с табличкой "Мне заплатил ИИ"). Уже в первые дни после запуска платформа привлекла десятки тысяч регистраций, хотя активный пул исполнителей пока остается скромнее декларируемых стартапом цифр.

Показательный факт: в числе первых "передавших себя в аренду" оказались как рядовые фрилансеры, так и CEO ИИ-стартапа, что красноречиво свидетельствует о культурной, а не только экономической природе нового социального явления.

Платформа существует в неоднозначном формате, поскольку ее разработчики не вполне определились, является их проект серьезным бизнесом или больше социальным экспериментом, стимулирующим дискуссию о новой реальности и социально-экономических связях. Этим стартап на самом деле напоминает первые опыты с краудсорсингом, когда в 2000-е платформа Amazon Mechanical Turk создала рынок "человеческого интеллекта как сервиса", но тогда никто еще не предполагал, во что это будет развиваться.

1.2. Технологический контекст

Возникновение подобных платформ — это прямое следствие зрелости агентных технологий. По данным ревью от CB Insights, в 2024-м стартапы в сфере ИИ-агентов привлекли 3,8 миллиарда долларов инвестиций, что почти втрое больше, чем годом ранее. Рынок ИИ-агентов сегодня оценивается в 7,6 миллиарда долларов по итогам 2025 года и, по прогнозам, пробьет отметку в 50 миллиардлов к 2030-му при среднегодовом темпе роста в 45,8 процента.

Принципиальное значение имеет переход от копилот-моделей (ассистивные модели для помощи в конкретной задаче) к агентным (ИИ-исполнитель, который действует самостоятельно). Именно агентный ИИ способен стать работодателем, поскольку он не ждет указаний в каждой точке рабочего цикла, а самостоятельно декомпозирует задачу, оценивает ресурсы и обращается к рынку труда, в том числе человеческому. Model Context Protocol (MCP), стандартизирующий взаимодействие агентов с внешними сервисами, создает техническую инфраструктуру для этого. Сегодня агенты "нанимают" человека через API так же, как вызывают инструменты поиска.

Параллельно развиваются именно цифровые агентные маркетплейсы, такие как SingularityNET, Moveworks AI Agent Marketplace и другие, где одни агенты нанимают других. Гибридные платформы, как RentAHuman, через обращение к человеку лишь замыкают этот существующий контур в точках, где автоматизация технически невозможна или экономически нецелесообразна.

1.3. Экономический потенциал и вызовы

Рынок гигономики, который агентные платформы могут трансформировать, огромен. По оценкам McKinsey, к 2025 году около 162 миллионов человек в США и Европе работали в различных форматах независимой занятости. Гипотетическое включение ИИ-агентов в роль нанимателей создает несколько значимых эффектов и в других регионах мира.

Во-первых, расширение рынка труда для "длинного хвоста" задач. Речь идет о микрозаданиях, которые прежде не имели эффективного рынка. Они слишком малы для корпоративного заказа, но и слишком локальны для традиционных платформ. Агент, управляющий бытовой логистикой состоятельного клиента (забрать посылку, заплатить парковочный штраф, оставить отзыв), создает устойчивый поток мелких заказов, агрегирование которых образует новую нишу.

Во-вторых, вопрос безопасности и ответственности становится еще более актуальным, чем прежде. Если человек выполняет инструкцию ИИ, не зная ее конечной цели, он де-факто превращается в инструмент — и это не метафора, а новые задачи правового поля. Кто понесет ответственность, если задача, делегированная агентом, окажется частью большой мошеннической схемы или нарушит закон? Текущее законодательство большинства юрисдикций в мире не предусматривает "юридической субъектности" алгоритма и не регулирует трудовые отношения "агент — физическое лицо".

В-третьих, долгосрочная структура рынка труда приобретет черты перевернутой пирамиды, где простые рутинные задачи автоматизируются или делегируются агентами другим агентам, а сложные физические задачи, требующие присутствия, остаются за людьми. Здесь самый дефицитный ресурс — это способность формулировать цели с декомпозицией на задачи, одновременно задавать ценностные ограничения и верифицировать получаемый результат — концентрируется у тех, кто управляют такими агентными системами. По прогнозу аналитиков агентства FutureForce, к 2030 году появятся микропредприятия "одного человека", где весь операционный контур обслуживается ИИ-агентами, нанимающими при необходимости людей-помощников в физическом мире.

Ключевой и без малого философский вопрос, который поднимает такая модель: если вы выполняете инструкцию ИИ, не зная ее цели, только потому, что вам заплатили, вы уже сами становитесь инструментом. И это не просто риторика — именно в таком качестве вас опишет архитектура системы в строке вызова функции.

Часть II. Пределы применимости ИИ в СМИ: мировой опыт и отечественный контекст

2.1. Мировые прецеденты: от лицензирования до замещения

Медиаотрасль стала первым крупным ландшафтом, где показательна эволюция позиции крупнейших изданий от судебных исков к стратегическому партнерству.

В апреле 2024 года Financial Times заключила лицензионное соглашение с OpenAI. Компания получила доступ к архивам FT, включая материалы за платным барьером, для обучения своих больших языковых моделей. В ответ ChatGPT начал выдавать атрибутированные выдержки со ссылками на оригинальные статьи. Цель FT была прагматичной — попасть в петлю разработки в момент, когда формируются стандарты обращения с контентом журналистики. Как выразился CEO Джон Риддинг, "правильно, что ИИ-платформы платят издателям за использование их материала, а OpenAI понимает важность прозрачности, атрибуции и компенсации". В апреле 2025-го аналогичное партнерство подписала The Washington Post, получив право на отображение выдержек в ответах ChatGPT с четкой атрибуцией по источникам данных.

Вместе с этим The New York Times, The Intercept и ряд датских издателей избрали противоположную стратегию — судебные иски и обвинения OpenAI в нарушении авторских прав при обучении моделей. Этот "дуализм" индустрии отражает не только разницу в бизнес-стратегиях, но и фундаментальный вопрос: является обучение на текстах трансформативным использованием или просто прямым копированием?

Китай демонстрирует третью модель в виде государственно направленной интеграции ИИ-сервисов. Государственное агентство "Синьхуа" с 2018-го внедряет ИИ-дикторов (первый был Цю Хао), а в том же году совместно с Sogou оно создало русскоязычного виртуального ведущего специально к ПМЭФ-2019 в партнерстве с ТАСС. В 2018-2019 годах в агентстве запущена платформа Media Brain — система полного цикла производства коротких видео на основе ИИ, автоматизирующая редакционный процесс от мониторинга до публикации. В октябре 2024-го на Всемирном медиасаммите руководитель "Синьхуа" Фу Хуа призвал создать транснациональную медиалабораторию ИИ совместно с Reuters, AP и AFP. То есть превратить технологический суверенитет в инструмент формирования глобальных стандартов в ИИ-журналистике.

Важная тенденция 2025 года, зафиксированная Poynter, заключается в том, что ни апокалипсиса дипфейков, ни полноценной ИИ-революции пока не произошло. Наоборот, идут размеренные эксперименты при сохраняющихся возможностях и купируемых рисках.

2.2. Российские медиаагентства и новые горизонты

Крупнейшие российские медиаструктуры — МИА "Россия сегодня" (Sputnik, РИА Новости), RT, ТАСС — обладают инфраструктурой, масштабом и архивными базами, достаточными для развертывания ИИ-инструментов уровня мировых лидеров.

Практические применения, которые уже технически реализуемы и экономически обоснованы для российских агентств, можно сгруппировать по трем уровням. Первый — это автоматизация рутинных задач, мониторинг источников, переводы, генерация кратких версий новостей и сводок для мобильных платформ, автоматическая расстановка тегов и SEO-оптимизация. Второй — это "аугментация" журналиста, то есть проверка фактов по базам данных, быстрый анализ больших массивов документов (как парламентские протоколы или финансовые отчеты), распознавание и атрибуция аудиовизуальных материалов. Третий — синтетические форматы, в частности мультиязычные ИИ-дикторы для международного вещания (по образцу, например, "Синьхуа"), персонализированные новостные ленты и автоматические брифинги для корпоративных клиентов.

С одной стороны, регуляторная среда задает формат работы с нейросетсями и платформами с данными. С другой — отечественные разработки формируют базис инфраструктурного и технологического суверенитета.

Экономический эффект внедрения ИИ в крупное медиаагентство оценить непросто, но по аналогии с мировым опытом автоматизация рутинных задач способна высвободить 15-30 процентов рабочего времени журналистов для аналитики и эксклюзивных материалов при одновременном росте скорости публикации стандартизированных новостей в пять-десять раз.

Часть III. Выводы и перспективы для общества

3.1. Инверсия агентности. Что изменилось принципиально

Оба рассмотренных явления — ИИ как работодатель и ИИ как редактор — объединяет одна структурная черта в виде смещения инициативы. В классической модели человек ставит задачу, а ИИ ее выполняет. В новой конфигурации ИИ-система самостоятельно формулирует запрос к рынку человеческих компетенций, отбирает исполнителей, контролирует качество и производит расчеты. Человек может переходить из роли разработчика и пользователя уже в роль агента в буквальном, техническом понимании слова.

Это не означает восстания машин в философском смысле, поскольку за каждым ИИ-агентом стоит человек или организация, заложившие цели и ограничения системы, и при этом есть регуляторные рамки. Но цепочка принятия решений в мире в целом удлиняется и становится менее прозрачной для рядового участника. Фрилансер, выполняющий задачу по инструкции агента, может вообще не знать конечной цели, что принципиально отличает такую занятость от любых предшествующих форм гигономики.

3.2. Три сценария на горизонте 2030 года

Сценарий активной автоматизации. ИИ-агенты создают новый, ранее не существовавший рынок микрозадач, расширяя занятость и формируя "длинный хвост" экономики услуг. Медиаотрасль, получив ИИ как инструмент, высвобождает журналистов от рутины и повышает качество аналитики.

Регуляторный сценарий развития. Агенты обязаны раскрывать цели задач исполнителям, занятость через ИИ-посредника получает трудовой статус. Это наиболее вероятный путь для мировых юрисдикций — медленный, но устойчивый и не исключающий элементы первого.

3.3. Практические выводы

Для регуляторов и законодателей приоритетом является разработка норм "прозрачности поручения": исполнитель, работающий по заданию ИИ-агента, должен иметь право знать конечную цель и идентификатор принципала. Одновременно развиваются необходимые стандарты атрибуции ИИ-контента в медиа — это аналог маркировки рекламы, только для синтетически генерированных материалов.

Для медиаорганизаций, в том числе российских, окно возможностей открыто уже сейчас. Пример FT показывает, что партнерство, заключенное на раннем этапе, обеспечивает место внутри петли разработки, где формируются стандарты будущего.

Для граждан и работников сферы в экономике, где ИИ-агент все чаще выступает работодателем, ключевая компетенция — это умение верифицировать источник задания и понимать структуру системы, в которой человек действует.

История знает несколько моментов, когда инструменты начинали "платить" людям: от появления финансовых рынков до алгоритмической торговли. Каждый раз общество проходило через фазу дезориентации, за которой следовала адаптация. Нынешний переход глубже, потому что впервые инструмент не просто генерирует доход, но и формулирует задачи, оценивает людей и принимает операционные решения. Насколько быстро мы выработаем институты, соответствующие этой реальности, вопрос не только технологический, а социальный и культурный. История пишется прямо сейчас — в том числе в строчках кода.

Александр Яковенко, Олег Рогов