Влияние ИИ на интеллектуальный труд и рынки

История всегда повторяется: появляется новая технология, и все начинают говорить о том, как она все изменит. Затем в нее хлынет капитал, за одну ночь возникают новые компании, а их оценка растет быстрее, чем кто-либо может оправдать. А много-много месяцев спустя появляются предупреждения, и люди внезапно вспоминают крах доткомов или криптовалют.

Вы, наверное, уже видели это раньше. И если видели, то, скорее всего, считаете ИИ следующим пузырем. Люди отлично умеют находить закономерности. Мы эволюционировали так, чтобы замечать паттерны, поэтому, когда появляется что-то знакомое, мы инстинктивно сопоставляем это с самой близкой историей, которую уже знаем. Нам кажется, что мы это уже видели, и мы уверены, что знаем, чем все закончится.

Но этот инстинкт может нас обмануть. ИИ кажется пузырем именно потому, что мы пытаемся втиснуть нечто принципиально новое в привычный сюжет. Идея о том, что все быстро растущее в итоге должно рухнуть, звучит благоразумно. Но это не значит, что так будет всегда.

Почему рынки продолжают перебарщивать

Каждый серьезный технологический сдвиг порождает одни и те же внешние симптомы: завышенные ожидания, за которыми следуют громкие провалы. Эпоха доткомов, мобильные технологии и криптовалюты — все они проходили через фазу, когда мир терял чувство меры.

Почему это происходит снова и снова? Потому что у рынков нет инструментов для оценки скачкообразных изменений. Модели дисконтированных денежных потоков предполагают устойчивый, стабильный рост, а сопоставимые компании исходят из того, что категория уже существует. Поэтому люди думают, что ближайшее будущее будет похоже на недавнее прошлое, но это не работает, когда сама базовая категория меняется.

Большинство инструментов оценки созданы для инкрементального (постепенного) прогресса, поэтому аналитики смотрят на квартальные прогнозы и мелкие улучшения. Они не знают, что делать с качественными скачками и не умеют моделировать нелинейное принятие.

Поэтому, когда вы видите переизбыток капитала или крайний разброс результатов — это рынок пытается оценить ставки длиною в десятилетие с помощью квартальной логики (которая не работает). И именно в этом заключается суть пузыря: это признак того, что пока никто не знает, как оценивать грядущее перемены. Эта неопределенность выглядит как несостоятельность, но на самом деле она лишь обнажает пределы существующих методик.

Категориальная ошибка, которую мы совершаем снова и снова

Когда появляется что-то новое, мы ищем аналогии.

ИИ — это как электричество.

ИИ — это как компьютеры.

ИИ — это как интернет.

ИИ — это как мобильные телефоны.

Эти сравнения успокаивают, потому что все они привели к масштабным изменениям в масштабах всей экономики и привлекли огромный капитал. Они изменили то, как делается работа.

В них есть и кое-что более глубокое. Каждая из этих технологий расширяла возможности человека, не заменяя человеческое познание. Электричество приводило в движение машины, но люди все равно решали, что строить. Компьютеры обрабатывали данные, но люди их интерпретировали. Интернет передавал информацию, но люди решали, что имеет значение. Мобильные устройства положили вычисления в ваш карман, но человеческое внимание оставалось дефицитным ресурсом. В каждом случае человеческий интеллект был основой всего. Он же был и узким горлышком.

ИИ устроен иначе, потому что он выполняет когнитивную работу. И если это заставляет вас чувствовать себя неуютно — так и должно быть. Потому что, если ИИ действительно способен мыслить, многое из того, на чем мы построили свою карьеру — наша экспертиза и с трудом приобретенные навыки — может оказаться не столь защищенным, как мы думали. Младший инженер, годами развивавший интуицию, теперь работает бок о бок с инструментом, у которого она есть мгновенно. То же самое относится и к финансовому аналитику, известному своим факторным анализом. Люди до конца не уверены, где теперь сосредоточена ценность, и это пугает.

Я каждую неделю общаюсь с финансовыми директорами. Шесть месяцев назад они задавали мне абстрактные вопросы вроде «что такое ИИ?» и «должна ли у нас быть стратегия в области ИИ?». Теперь вопросы конкретные: «Какие части работы моей команды больше не нужно выполнять таким образом?». Этот сдвиг произошел так быстро, что он уже меняет распределение ресурсов.

Например, одна знакомая мне основательница стартапа начала использовать Claude для написания SQL-запросов, на которые у ее аналитика раньше у пару дней. Заменила ли она аналитика? Конечно, нет. Но она убрала узкое место и больше не зависит от него в поиске быстрых ответов. После этого роль ее аналитика полностью изменилась. Раньше он тратил 60% времени на написание запросов, а теперь — 10% на их проверку и 90% на стратегические рекомендации. Компания не сократила штаты и расходы, а аналитик стал поддерживать не трех стейкхолдеров, а пятнадцать.

Именно здесь исторические сравнения начинают давать сбой. Такие инструменты, как GitHub Copilot, спрессуют опыт. Младший инженер теперь может работать на уровне, который раньше требовал многих лет опыта. И каждый раз при использовании инструмент учится. Молоток не становится лучше от того, что вы построили с его помощью дом, а инструменты искусственного интеллекта — становятся. И когда инструменты улучшаются в процессе использования, темпы их совершенствования растут по нарастающей. Эта динамика не вписывается ни в одну из прошлых технологических аналогий, поэтому инстинкт называть это «пузырем» упускает саму суть.

Предыдущие технологии предполагали фиксированный предел человеческого познания. Они делали нас быстрее и сильнее, но ограничивающий фактор всегда оставался прежним: сколько умных людей мы можем привлечь к решению проблемы? ИИ отодвигает этот предел далеко за привычные рамки. Раньше лучшее понимание своего бизнеса обычно означало одно из трех: больше данных, больше аналитиков или более опытных руководителей. Ограничением было то, сколько человеческого внимания и суждений вы можете себе позволить. С появлением ИИ это ограничение смещается. Когда анализ, который раньше занимался днями, появляется за считанные секунды, новым ограничением становится понимание того, что именно искать. Какие вопросы имеют значение? Ограничивающим фактором перестает быть талант и становится способность выносить суждения.

Скептики правы насчет шумихи и ошибаются насчет ее значения

Давайте примем самый сильный аргумент сторонников теории пузыря за чистую монету. Возможно, ИИ действительно переоценен, и большинство этих компаний потерпят неудачу. Возможно, мы торопимся, и реальный эффект проявится только через пять-десять лет. Все это может быть абсолютной правдой, но это не меняет главного вывода, а именно:

Даже если большинство стартапов в сфере ИИ потерпят крах, и даже если внедрение пойдет гораздо медленнее, чем ожидалось, ИИ остается первой технологией, способной выполнять интеллектуальную работу. Это не исчезнет из-за того, что рынки переборщили с оценками или ожидания скорректировались. Скептики правы в том, что шумиха раздута. Но они неправы, считая, что раздутая шумиха делает технологию незначительной. Мы уже видели это: пузырь доткомов был реален, и Pets.com сгорел дотла, но интернет все равно изменил все. Оба утверждения были верны одновременно.

Финансовые лидеры, с которыми я работаю, уже перестали спорить о том, важен ли ИИ. Теперь они пытаются понять, какие рабочие процессы изменятся в первую очередь и как быстро им нужно адаптироваться. Этот разговор идет тихо, под всей этой суетой.

При этом рабочие процессы, которые разрушаются первыми, обладают тремя общими свойствами:

1. Они требуют экспертизы, но при этом рутинны.

2. Они являются узкими местами для стратегической работы.

3. Их легко проверить, но сложно генерировать.

Эти рабочие процессы достаточно важны, чтобы за них платить, но не настолько стратегически значимы, чтобы их автоматизация угрожала конкурентному преимуществу. Они требуют навыков, но эти навыки не накапливаются драматически с повторением, что делает такие процессы экономически уязвимыми и объясняет, почему их уже автоматизируют.

Где люди все еще важны (пока что)

ИИ отлично умеет распознавать тренды и ужасно понимает, какие из них действительно имеют значение. Он может составить факторный анализ, но не сможет сказать вам, является ли 12-процентное колебание расходов признаком здорового роста или более глубокой проблемы. Он может набросать стратегию, но он не подскажет, какая именно стратегия подходит данному рынку и данной команде в этот самый момент. Рассуждения в условиях неопределенности и ставки с высоким риском, где неудача может привести к катастрофе, остаются прерогативой человека. По крайней мере, пока.

Когда ограничение больше не звучит как «достаточно ли у нас умных людей», проблемой становится расстановка приоритетов. Что заслуживает внимания? Что стоит создать в следующий момент? Именно здесь многие основатели заходят в тупик. Они спрашивают, не пузырь ли это и не слишком ли рано они появились, но это не самые полезные вопросы. Правильный вопрос звучит так: «Что я могу создать за следующий год, чтобы создать реальную ценность, независимо от того, что происходит с оценками?»

Выживут те компании, которые тихо итеративно внедряют ИИ в реальные рабочие процессы для решения реальных проблем. Возьмем, к примеру, финансовых директоров. Они покупают ИИ, потому что их совет директоров требует более быстрого факторного анализа, а они устали нанимать аналитиков, которые увольняются через полгода. Это реальная проблема реального мира, которую компаниям необходимо решить.

То же самое касается и инвесторов. Те, кто преуспеет в долгосрочной перспективе, — это те, кто сможет терпеть неопределенность достаточно долго, чтобы увидеть, что действительно работает.

На этот раз все действительно иначе

В краткосрочной перспективе ИИ разочарует. Многие сценарии использования не оправдают обещаний, и множество компаний, созданных в эту волну, не выживут. Но технология останется. И в долгосрочной перспективе ИИ изменит каждую сферу, зависящую от интеллектуального труда. Не все сразу и не равномерно, но через десять лет будет трудно найти хотя бы одну интеллектуальную отрасль, которая выглядела бы так же, как сегодня.

ИИ отличается тем, что сам интеллект, который исторически был главным ограничителем человеческих инноваций, теперь стал масштабируемым. Это наблюдаемый факт с измеримыми последствиями. Разговоры о пузырях стихнут, как это всегда бывает, а останутся те системы, которые тихо адаптировались, пока все остальные спорили об оценках. Скептики окажутся правы насчет излишеств и неправы насчет того, что действительно имело значение — ведь через пять лет мы, вероятно, будем смотреть на сегодняшнюю панику так же, как смотрим на людей, которые сбрасывали со счетов интернет из-за того, что пара компаний обанкротилась. А победителями окажутся те, кто строил, пока все остальные спорили об оценках.

Со временем помнят только такие истории.

Сики Чен — сооснователь и генеральный директор Runway.

Добро пожаловать в сообщество VentureBeat!

Наша программа гостевых публикаций — это площадка, где технические эксперты делятся идеями и предлагают непредвзятый, независимый глубокий анализ ИИ, инфраструктуры данных, кибербезопасности и других передовых технологий, формирующих будущее бизнеса.

Читайте далее из нашей программы гостевых постов и ознакомьтесь с нашими рекомендациями , если вы хотите предложить собственную статью!