Технический контекст
Я залип не в сам факт сокращений в Block, а в то, что именно Дорси пытается поставить на место привычного менеджмента. По материалам конца марта 2026 у них вырисовывается трехслойная схема: deep specialists как ICs, менеджеры-гибриды как player-coaches и владельцы задач как DRIs. Между ними не просто Slack, Jira и созвоны, а центральная AI-система, которая должна держать актуальную модель бизнеса.
То есть идея не в формате “дайте сотрудникам Copilot и посмотрим”. Здесь AI пробуют сделать инфраструктурой координации. IC получает контекст не через цепочку начальников, а напрямую из модели. DRI не бегает по отделам за статусами, а опирается на общую картину. Player-coach не сидит чисто на отчетности, а работает руками и подтягивает команду по ходу.
Если перевести это на язык архитектуры ИИ-решений, то Block строит не просто внутренний чат-бот. Они хотят слой, который агрегирует апдейты, решения, зависимости, статус задач и превращает это в рабочий контекст для людей. По сути, это операционная шина компании с AI поверх данных.
И тут есть важный момент: история свежая, не ретроспектива. Но она уже идет с оговоркой от самих авторов, что многое поломается, прежде чем заработает. На мой взгляд, это честная часть всей истории, потому что такие штуки красиво выглядят в меморандуме и очень больно раскрываются в реальных процессах.
Влияние на бизнес и автоматизацию
Самый сильный сигнал здесь не про Block, а про новый тип оргдизайна. Я давно говорю клиентам: внедрение искусственного интеллекта почти никогда не упирается только в модель. Обычно все ломается на том, как ходит контекст, кто принимает решение и кто отвечает за последний метр выполнения.
Модель Дорси режет ровно по этим узким местам. Меньше людей, которые пересказывают информацию. Больше людей, которые либо делают, либо владеют результатом. Если центральная AI-система правда умеет синхронизировать знания без сильной деградации, компания получает более короткий путь от сигнала к действию.
Выигрывают команды, где экспертиза уже сидит близко к исполнению. Сильные разработчики, data-люди, продуктовые лиды с привычкой принимать решения на неполном наборе данных. Проигрывают структуры, где ценность middle management держалась в основном на пересылке статусов и ручной синхронизации между отделами.
Но есть и неприятная часть. Если AI-контекст кривой, устаревший или политически “подкрашен”, то вся система начинает быстро тиражировать мусор. Тогда вместо ускорения получаем очень дорогую галлюцинацию на уровне компании. Именно поэтому ИИ автоматизация без нормальной data discipline и без четких контуров ответственности почти всегда превращается в показуху.
Я это вижу в проектах регулярно. Когда мы в Nahornyi AI Lab делаем ИИ решения для бизнеса, самый сложный вопрос обычно не “какую модель взять”, а “откуда модель берет правду и кто подтверждает действие”. Если ответа нет, AI не заменяет координацию, а просто плодит новые слои хаоса.
Поэтому кейс Block мне интересен не как новость про очередное сокращение. Это полевой эксперимент: можно ли реально заменить заметный кусок управленческой прослойки AI-системой и более жесткой ролевой структурой. Если у них взлетит, многие компании начнут копировать форму. Но сработает это только у тех, кто потянет AI-архитектуру, интеграцию данных и дисциплину принятия решений.
Я Вадим Нагорный, Nahornyi AI Lab. Я не пересказываю такие штуки из чужих слайдов, а раскладываю их через призму реального внедрения AI в процессы, команды и продукты. Если хотите прикинуть, как такая модель может лечь на ваш бизнес без модной мишуры, пишите мне, и разберем ваш кейс вместе.