Технічний контекст
Я залип не на сам факт скорочень у Block, а на те, що саме Дорсі намагається поставити на місце звичного менеджменту. За матеріалами кінця березня 2026 року в них вимальовується тришарова схема: глибокі спеціалісти як ICs, менеджери-гібриди як player-coaches та власники завдань як DRIs. Між ними не просто Slack, Jira та дзвінки, а центральна AI-система, яка має підтримувати актуальну модель бізнесу.
Тобто ідея не у форматі “дайте співробітникам Copilot і подивимося”. Тут ШІ намагаються зробити інфраструктурою для координації. IC отримує контекст не через ланцюжок керівників, а безпосередньо з моделі. DRI не бігає по відділах за статусами, а спирається на загальну картину. Player-coach не сидить суто на звітності, а працює руками й підтягує команду по ходу.
Якщо перекласти це на мову архітектури ШІ-рішень, то Block будує не просто внутрішній чат-бот. Вони хочуть шар, який агрегує апдейти, рішення, залежності, статус завдань і перетворює це на робочий контекст для людей. По суті, це операційна шина компанії з AI поверх даних.
І тут є важливий момент: історія свіжа, не ретроспектива. Але вона вже йде із застереженням від самих авторів, що багато що зламається, перш ніж запрацює. На мій погляд, це чесна частина всієї історії, тому що такі штуки гарно виглядають у меморандумі та дуже болісно розкриваються в реальних процесах.
Вплив на бізнес та автоматизацію
Найсильніший сигнал тут не про Block, а про новий тип оргдизайну. Я давно кажу клієнтам: впровадження штучного інтелекту майже ніколи не впирається лише в модель. Зазвичай все ламається на тому, як ходить контекст, хто приймає рішення і хто відповідає за останній метр виконання.
Модель Дорсі ріже рівно по цих вузьких місцях. Менше людей, які переказують інформацію. Більше людей, які або роблять, або володіють результатом. Якщо центральна AI-система справді вміє синхронізувати знання без сильної деградації, компанія отримує коротший шлях від сигналу до дії.
Виграють команди, де експертиза вже сидить близько до виконання. Сильні розробники, data-люди, продуктові ліди зі звичкою приймати рішення на неповному наборі даних. Програють структури, де цінність middle management трималася переважно на пересиланні статусів і ручній синхронізації між відділами.
Але є й неприємна частина. Якщо AI-контекст кривий, застарілий або політично “підфарбований”, то вся система починає швидко тиражувати сміття. Тоді замість прискорення отримуємо дуже дорогу галюцинацію на рівні компанії. Саме тому ШІ-автоматизація без нормальної data discipline і без чітких контурів відповідальності майже завжди перетворюється на показуху.
Я це бачу в проєктах регулярно. Коли ми в Nahornyi AI Lab робимо ШІ-рішення для бізнесу, найскладніше питання зазвичай не “яку модель взяти”, а “звідки модель бере правду і хто підтверджує дію”. Якщо відповіді немає, ШІ не замінює координацію, а просто плодить нові шари хаосу.
Тому кейс Block мені цікавий не як новина про чергове скорочення. Це польовий експеримент: чи можна реально замінити помітний шматок управлінського прошарку AI-системою та жорсткішою рольовою структурою. Якщо у них злетить, багато компаній почнуть копіювати форму. Але спрацює це тільки в тих, хто потягне AI-архітектуру, інтеграцію даних і дисципліну прийняття рішень.
Я Вадим Нагорний, Nahornyi AI Lab. Я не переказую такі штуки з чужих слайдів, а розкладаю їх через призму реального впровадження ШІ в процеси, команди та продукти. Якщо хочете прикинути, як така модель може лягти на ваш бізнес без модної мішури, пишіть мені, і розберемо ваш кейс разом.