Лидиан Венг покинула пост сооснователя Thinking Machines, сославшись на проблемы со здоровьем, вызванные темпом стартапа. Через короткое время она заняла руководящую позицию в OpenAI, возглавив команду по рекурсивному самосовершенствованию ИИ. Этот переход выглядит парадоксально: заявление о выгорании и немедленное трудоустройство в одну из самых требовательных AI-лабораторий мира. Однако кажущееся противоречие распадается при анализе различий между ролью сооснователя и наёмного руководителя отдельного направления.
Рынок труда в AI работает по жёстким правилам: дефицит специалистов уровня Венг настолько острый, что компании готовы игнорировать публичные заявления о выгорании ради доступа к проверенному опыту. Финансовый директор OpenAI Сара Фрайар сообщила, что июльская выручка компании превысила показатели всего второго квартала. Параллельно OpenAI готовится к IPO с оценкой в $852 млрд и планирует направить около $600 млрд на вычислительные мощности к 2030 году. В таких условиях борьба за таланты превращается в гонку без тормозов.
Случай Венг не единичен. Бывший вице-президент OpenAI по безопасности, ранее заявлявшая о выгорании, получила топ-позицию в той же компании. Схема повторяется: специалист уходит из-за перегрузки, но остаётся внутри экосистемы, потому что его экспертиза слишком ценна, чтобы терять её из-за кадровых формальностей. Эта статья разбирает механику таких переходов, финансовый контекст и стратегии найма ведущих AI-лабораторий.
Уход из Thinking Machines: здоровье vs. темп стартапа
Thinking Machines находилась на ранней стадии развития. Стартап требовал от сооснователей одновременного участия в продуктовых решениях, найме команды, привлечении инвестиций и операционном управлении. Многозадачность такого уровня создаёт хронический стресс, который принципиально отличается от нагрузки наёмного руководителя в крупной компании.
Роль сооснователя подразумевает персональную ответственность за выживание бизнеса. Каждое решение влияет на runway, мораль команды и отношения с инвесторами. Нет возможности делегировать финальную ответственность - она всегда на основателях. В заявлении Венг о проблемах со здоровьем прослеживается прямая связь с этим давлением: темп стартапа несовместим с долгосрочным благополучием, когда ты находишься в эпицентре всех процессов.
Наёмный руководитель в OpenAI, даже на топ-уровне, отвечает за конкретное направление. У него есть бюджет, команда и KPI, но нет груза экзистенциальных рисков бизнеса. Это различие объясняет, почему переход из стартапа в лабораторию может быть шагом к снижению стресса, а не его эскалацией.
Немедленный переход в OpenAI: парадокс или расчёт?
OpenAI получила руководителя с опытом строительства компании с нуля. Венг получила позицию, где её предпринимательские навыки востребованы, но давление распределено иначе. Команда по рекурсивному самосовершенствованию ИИ - стратегический проект, а не эксперимент на выживание. Бюджет утверждён, инфраструктура обеспечена многомиллиардными инвестициями, корпоративная машина работает.
Парадокс исчезает, если смотреть на ситуацию через призму кадрового рынка AI. Компании не нанимают «выгоревших» специалистов из жалости. Они покупают экспертизу, которая обошлась кандидату дорого - в данном случае ценой здоровья в стартапе. OpenAI получает лидера, который уже прошёл через экстремальные нагрузки и знает свои пределы. Это снижает риск неожиданного срыва на критически важном направлении.
Рекурсивное самосовершенствование ИИ: что это и зачем OpenAI
Рекурсивное самосовершенствование - это способность AI-системы улучшать собственную архитектуру, алгоритмы обучения или код без вмешательства человека. Модель анализирует свои ограничения, генерирует улучшенную версию себя и передаёт ей управление. Цикл повторяется, потенциально ускоряя прогресс экспоненциально.
OpenAI рассматривает это направление как критическое для достижения AGI. Контроль над рекурсивным самосовершенствованием означает контроль над скоростью развития сильного ИИ. Ошибка здесь стоит не денег, а безопасности всей экосистемы. Поэтому компания ищет руководителя с предпринимательским бэкграундом: нужен человек, который умеет принимать решения в условиях неопределённости и нести за них ответственность. Венг с опытом сооснователя Thinking Machines подходит под эти требования.
Связка с безопасностью прямая. Если система способна модифицировать себя, она должна делать это в рамках заданных ограничений. Команда Венг будет разрабатывать механизмы, которые гарантируют контролируемость рекурсивных циклов. Это не академическое исследование, а прикладная задача с жёсткими дедлайнами.
Рынок труда в AI: опыт важнее благополучия
Случай с бывшим вице-президентом OpenAI по безопасности подтверждает системность тренда. Специалист публично заявила о выгорании, но получила топ-позицию в той же компании. Работодатель проигнорировал репутационный риск, потому что замена такого сотрудника обошлась бы дороже: поиск, онбординг, адаптация, риск ошибки новичка на критическом направлении.
Дефицит кадров в AI измеряется не количеством резюме, а единицами специалистов, способных руководить проектами уровня рекурсивного самосовершенствования или безопасности сильного ИИ. Таких людей в мире десятки, и все они уже заняты. Единственный способ получить нужного человека - перекупить его, даже если он только что ушёл с предыдущего места из-за выгорания.
Гонка вооружений между OpenAI и Anthropic обостряет ситуацию. Обе компании борются за ограниченный пул talent density - специалистов, чья продуктивность кратно превышает среднюю. Организационная структура OpenAI с её гибридной моделью некоммерческого фонда и коммерческого крыла позволяет предлагать компенсационные пакеты, недоступные стартапам. Зарплаты, опционы перед IPO, доступ к уникальной инфраструктуре - этот набор перевешивает любые декларации о заботе о благополучии.
Финансовый контекст: миллиарды на таланты и инфраструктуру
Цифры объясняют кадровую логику лучше любых теорий. Сара Фрайар подтвердила, что июльская выручка OpenAI превысила показатели всего второго квартала. Компания растёт с ускорением, и каждый месяц промедления в ключевых направлениях стоит десятки миллионов долларов упущенной возможности.
Подготовка к IPO с оценкой $852 млрд создаёт дополнительное давление: нужно демонстрировать инвесторам не только финансовые показатели, но и технологическое лидерство. Команда рекурсивного самосовершенствования - часть этого пазла. Без сильного руководителя направление буксует, а буксовка перед выходом на биржу недопустима.
План инвестировать $600 млрд в вычислительные мощности к 2030 году показывает масштаб амбиций. Такие суммы имеют смысл, только если компания верит в достижение AGI. А достижение AGI требует лучших людей, независимо от их предыдущих заявлений о выгорании. Рынок труда в AI превратился в рынок продавца, где топ-специалисты диктуют условия, а компании адаптируются.
Кадровые стратегии AI-лабораторий: уроки для индустрии
OpenAI делает ставку на привлечение готовых лидеров с предпринимательским опытом. Компания не растит руководителей внутри для критических направлений, а покупает их на рынке. Это быстрее и надёжнее: человек с опытом строительства стартапа уже доказал способность работать в условиях неопределённости.
Anthropic использует другой подход - акцент на безопасность как фильтр найма. Компания привлекает специалистов, разделяющих её философию осторожного развития AI, и готова конкурировать по компенсациям. Однако общий тренд tech-сектора на сокращения не обходит стороной и AI-лаборатории: 140 000 увольнений в США с начала 2026 года показывают, что даже растущие компании оптимизируют штат. Разница в том, что топ-специалистов по AI это не затрагивает - их не сокращают, их перекупают.
Для специалиста, оценивающего предложения от AI-лабораторий, кейс Венг даёт практический урок. Роль сооснователя стартапа и роль руководителя направления в крупной компании - это разные профессии с точки зрения нагрузки. Переход между ними может быть способом сохранить здоровье, не теряя в доходе и влиянии. Компенсационный пакет должен учитывать не только деньги, но и объём персональной ответственности: в стартапе вы платите здоровьем за equity, в лаборатории - получаете зарплату и опционы с меньшим стрессом.
Риски выгорания никуда не деваются даже в большой компании. OpenAI находится под давлением конкурентов, которые выпускают open-weight модели, пока лаборатория держит паузу. Дедлайны, публичные ожидания и гонка за AGI создают среду, где выгорание остаётся профессиональным риском. Разница лишь в том, что в лаборатории у вас есть команда, бюджет и инфраструктура, а в стартапе - только вы и runway на несколько месяцев.
Данные о кадровых перемещениях предварительные. Ситуация на рынке труда в AI меняется ежемесячно: новые раунды инвестиций, слияния, запуск направлений вроде рекурсивного самосовершенствования перекраивают карту вакансий. Стратегия DeepSeek с фокусом на AGI и отказом от погони за прибылью создаёт дополнительное давление: китайские лаборатории переманивают специалистов не деньгами, а исследовательской свободой. OpenAI и Anthropic вынуждены отвечать не только компенсациями, но и интересными задачами.
Рекурсивное самосовершенствование ИИ как направление найма - сигнал для рынка. Компании будут всё чаще искать людей с опытом строительства систем, способных к автономному улучшению. Специалисты, понимающие эту область, получат рычаг влияния на условия труда. Вопрос в том, сколько из них успеют выгореть до того, как рынок научится балансировать амбиции и заботу о людях.