24 января 2024 giovanni1313
ИИ-революция — это грандиозная и захватывающая штука. Но заботиться нам всё-таки стоит о более приземленных и близких вещах, касающихся своего кармана. В частности, уважаемый snake_d_ha спрашивает, какие практические выводы надо сделать простому человеку из всех этих ИИ-экспонент? Куда бежать? Кого бояться? И, самое главное, стоит ли готовиться к массовым сокращениям?
Вопросы совсем не простые. Однако на днях вышло большое исследование МВФ, посвященное как раз последнему пункту: «Gen-AI: Artificial Intelligence and the Future of Work». Авторы моделируют последствия внедрения ИИ на глобальный рынок труда. Предлагаю познакомиться с этой работой в подробностях. Получится ли у маститых экономистов из МВФ расставить здесь все точки над i?
«Искусственный интеллект (ИИ) способен масштабно изменить глобальную экономику […] Это особенно очевидно в контексте рынков труда, где ИИ обещает увеличить производительность, при этом угрожая заменить людей на некоторых работах и дополнить их на других», — пишут авторы.
Сколько рабочих мест испытает подрывные изменения от ИИ? По подсчетам МВФ, глобально это 40% нынешних позиций. Причем для развитых экономик эта доля еще выше, порядка 60%. Такая разница объясняется тем, что в богатых странах выше доля рабочих мест с когнитивными задачами — которые готов взять на себя ИИ.
Авторы приводят конкретные цифры для нескольких экономик. Так, в Великобритании эта доля является одной из самых высоких — 70%. В США — 60%. В Бразилии — 41%.
Да, это немалая доля. Но она не подразумевает и ультимативной роботизации экономики. Сразу возникают вопросы: почему предел тех сам «масштабных изменений» так невысок? Есть ли профессии, которым ИИ совсем не угрожает? Что это за профессии? И почему ИИ не сможет заменить в них человека?
Для ответа на эти вопросы нам придется закопаться в методологию исследования. Оно основано, главным образом, на мейнстримных экономических представления о степени замещения труда искусственным интеллектом. В частности, оно опирается на опубликованную в 2021 работу Фелтена и др. «Occupational, Industry, and Geographic Exposure to Artificial Intelligence: A Novel Dataset and Its Potential Uses».
Фелтен с коллегами, в свою очередь, оценивает влияние ИИ на профессии следующим образом. Они берут 52 высокоуровневых навыка, к которым можно свести выполнение всех трудовых задач во всех профессиях. Это, например, такие навыки, как избирательное внимание, контроль темпа, восприятие устной речи и скорость движений конечностей.
И они берут 10 областей применения ИИ. Тут уже закрадываются сомнения: можно ли адекватно натянуть эти десять областей на 52 навыка? Но на самом деле всё даже еще хуже. Потому что эти 10 областей ни разу не высокоуровневые — а скорее отражают исторически разрабатываемые в рамках машинного обучения задачи. В числе областей — распознавание и генерация изображений, языковые модели, перевод, настольные игры вроде шахмат и го, и т. п.
На всякий случай добавим, что машинное обучение развивало эти области без какого-либо системного плана охватить всю человеческую трудовую деятельность. И развивало там, где что-то удавалось реализовывать за небольшие деньги. Грубо говоря, искали не там, где потеряли, а там, где было светло. И что нашли — то нашли.
То, что авторы пытаются натянуть эту лоскутную ML-сову на трудовой глобус — еще полбеды. Потому что не меньше вопросов к тому, как именно они это пытаются сделать. То есть, допустим, у нас есть навык «устное восприятие» и есть ИИ-область «распознавание речи». Неплохое же пересечение? Нет, говорят нам Фелтен и др., это плохое пересечение! Потому что по нашей методологии надо проверять соответствие навыка с каждой из 10 ИИ-областей, включая шахматы и генерацию изображений. И выводить итоговую степень соответствия как среднее из шахмат, генерации изображений и этого самого распознавания речи. То есть даже если по одному сравнению у нас получается 100% соответствие, а по остальным — нулевое, «средняя температура по больнице» выйдет всего лишь 10%.
Да, примерно так...
Ну а дальше чуть проще, garbage in – garbage out. Полученное «ИИ-влияние на навыки» взвесили в соответствии с важностью и частотой использования каждого навыка для полного списка профессий. Причем полученные значения были относительными: можно было сказать, что одна профессия больше подвержена риску влияния ИИ, чем другая. Но каких-либо абсолютных выводов из этих расчетов сделать было нельзя.
В числе наиболее совпадающих с возможностями ИИ профессий оказались такие, как финансовый контролёр, актуарий и агент по закупкам. В числе наименее совпадающих — танцор, фитнес-тренер, помощник отделочника, арматурщик и работник столовой. Из этого короткого списка уже сейчас есть большие сомнения по поводу защищенности от ИИ фитнес-тренеров (1, 2), арматурщиков (1, 2, 3, 4) и работников столовой (1, 2, 3).
Подведем промежуточный итог. Во-первых, исследование Фелтена и др. массивно занизило применимость ИИ-способностей к трудовым навыкам, прописав в расчетах необходимость соответствия навыков каждому имеющемуся направлению ML. Во-вторых, оно опиралось на исторически сложившиеся направления ML – а не на потенциальные будущие разработки, нацеленные на выполнение экономически ценных задач. Это еще больше занижает потенциал ИИ. Но пока у них получилась — оставляя за скобками вопрос адекватности — лишь относительная степень соответствия профессий возможностям ИИ.
Вернемся к исследованию МВФ. Итак, список профессий с относительной подверженностью влиянию ИИ они уже имели. Но как от относительной подверженности перейти к абсолютной доле?.. Да что тут думать! Возьмём медиану. Всё, что выше — будут «профессии с высоким влиянием ИИ». Всё, что ниже — «профессии с низким влиянием». Вот и всё.
Разрубив таким образом этот гордиев узел, исследователи МВФ постулируют, что профессии с низким влиянием ИИ-революция практически не коснется.
А вот с первой группой ситуация интереснее. По численности она получилась весьма большой, особенно для развитых стран. Шутка ли — угроза потери работы для 60% занятых! Такой прогноз трудно назвать иначе как катастрофическим. Но экономисты — тоже люди, и катастроф им совсем не хочется. Им хочется стабильности. Поэтому специалисты МВФ решили немножко сгладить радикальность своих выводов.
В частности, существует идея, что ИИ необязательно будет заменять людей в экономике. Эта идея рассчитывает на то, что ИИ, напротив, будет нуждаться в помощи человека — и станет инструментом, многократно повышающим его производительность труда. Эта идея часто связывается с идеей «хорошей автоматизации» и «плохой автоматизации», которая несколько искаженно интерпретирует работы экономистов Дарона Аджемоглу и Паскуаля Рестрепо. «Хорошая автоматизация» — это та, что увеличивает число рабочих мест. Что согласуется с выросшей при помощи ИИ производительностью на таких рабочих местах.
Но Аджемоглу и Рестрепо не дают никаких прогнозов по поводу того, станет ли ИИ автоматизировать рабочие места «плохо» или «хорошо». Поэтому экономисты МВФ берут такую оценку на себя. В ранее вышедшей работе они предлагают не просто оценивать степень заменяемости трудовых навыков искусственным интеллектом, но и степень дополняемости человека ИИ-инструментами в каждой профессии.
Для оценки дополняемости они опираются на два аспекта. Первый они обозначают красивым понятием «физические и социальные факторы, которые влияют на характер работы». За этой малосодержательной формулировкой стоит следующая идея: якобы общество не захочет видеть холодный бездушный ИИ там, где вместо него может быть тёплый ламповый душевный человек. Ну, не везде, не на всех позициях, но где-то душевность и белковая природа будут такими обязательными атрибутами, что никакого ИИ там быть не может в принципе.
Звучит нерационально? Не спорю. Но подробнее мы обсудим аргументацию чуть ниже. Пока же обозначим второй аспект: «профессиональные зоны». Это группы профессий со схожим уровнем образования и профессионального опыта.
Итак, давайте посмотрим на аргументы исследователей, выделивших (произвольно, заметим) профессии, в которых теплых душевных якобы невозможно заменить холодными кремниевыми. Какие это позиции?
1. Профессии, связанные с коммуникациями лицом к лицу и публичными выступлениями. Этот ваш ИИ, утверждают исследователи, якобы не может общаться с человеком так же хорошо, как другой человек. А еще у нас есть «социальные нормы», и в этих социальных нормах нет места цифровым нейросеточкам. В них есть место только для Человека, и этот Человек звучит гордо!
На всякий случай, данное исследование было опубликовано в октябре 2023. ChatGPT уже давно был в открытом доступе. Социальные нормы дрейфуют буквально на наших глазах. Виртуальные телеведущие и медиа-селебрити — более публичные профессии придумать трудно — не просто никого не удивляют, но даже считаются историями успеха.
Поэтому непонятно, откуда эти ребята черпают свои шовинистические умозаключения. Но в этих умозаключениях они слишком поспешно снимают риск замещения ИИ в таких профессиях, как адвокат и врач.
2. Профессии, связанные с большой ответственностью. Например, речь об ответственности за результаты работы или за здоровье других людей. Авторы особенно подчеркивают эти аспекты в медицинской отрасли. Вы думаете, что главное в медицине — это хорошо лечить людей? Ха! Как бы не так. Авторы исследования утверждают, что главное в медицине — это возможность посадить врача. А еще «этичное принятие решений». А еще сострадание.
В общем, налицо взаимоисключающие параграфы: либо мы концентрируемся на результате, либо ставим во главу угла сопутствующие этому результату карательно-этично-сострадательные процессы. Нетрудно увидеть, что все три процесса объединены темой правильной мотивации человеческих врачей. Авторы полагают, что без правильной человеческой мотивации улучшение здоровья людей невозможно в принципе.
Аргумент странный. Если мы посмотрим на медицину как на науку, то там, напротив, развиваются в первую очередь холодные и бездушные способы вмешательства в организм человека. Степень сострадания специалистов и толщина прокурорских дел на них мало интересует медицинское сообщество в таких исследованиях.
Поэтому и в данных областях попытка объявить ИИ лишь дополняющим инструментом в работе людей продиктована только неоправданным консерватизмом.
3. Профессии, связанные с особыми физическими условиями работы. По мнению авторов, к таким надо отнести работу на открытом воздухе и работу в непосредственной близости к другим людям. Это, например, пожарники и строители.
Почему в огонь и на строительные леса должны лезть люди? Потому что там нужна адаптивность и острота чувств. А еще потому, что ИИ в таких профессиях придётся интегрировать с продвинутыми машинами (роботами). Чего, по мнению авторов, не случится, потому что этого не случится никогда. Робототехника — это, видимо, тупик технологического прогресса. Еще менее полезная штука, чем медицина без посадок.
Ладно, чуть серьезнее: аргумент об адаптивности не лишен смысла. И пожарников со спасателями, каждый раз сталкивающихся с уникальными ситуациями, в обозримом будущем заменить ИИ будет сложно. Но распространять этот аргумент на весь спектр профессий, работающих на открытом воздухе или в тесном контакте с другими людьми — абсурд. Особенно странно выглядит ремарка о якобы сенсорном превосходстве людей над машинами. Нынешние инженерные достижения позволяют расширить воспринимаемый диапазон сигналов на многие порядки по сравнению с 6-ю чувствами человека.
4. Профессии, где велика цена ошибок, есть свобода принятия решений и эти решения нужно принимать часто. Например, диспетчер воздушного трафика или медсестра реанимационного отделения. Авторы утверждают, что в этих сферах человеческий надзор над решениями важен, потому что… у человека есть инстинкты. Да, именно так. У человека есть инстинкты, которые позволяют ему действовать в неожиданных ситуациях. А у ИИ инстинктов нет.
Вот так, ребята, с ног на голову: оказывается, работодатель платит вам зарплату не за образование, и не за скиллы, и не за опыт — а за инстинкты. Поэтому заменять вас будут не на ИИ. А на шимпанзе. У него ведь тоже есть куча инстинктов.
Шутки шутками, но преимущество инстинкта над рациональным мышлением действительно выглядит сомнительным. Особенно если речь о работе со сложными системами, часто технического характера. И особенно если цена ошибок действительно велика. Поскольку авторы упоминают в качестве примера работу медсестры и неожиданные ситуации, мы можем сослаться на соответствующее академическое исследование. В нём как раз доказывается, что, руководствуясь интуицией, в незнакомых ситуациях медсёстры чаще принимали ошибочные решения, нежели руководствуясь рациональным анализом.
5. Профессии, в которых мало рутинных операций. Это наименее автоматизированные специальности с наименее структурированным трудом. В качестве примера исследователи приводят модельера, творческий процесс которого формализовать затруднительно.
Формализовать, может, и трудно — но повторить легко (1, 2, 3)! Безусловно, рутинность повышает уязвимость профессии к замещению ИИ. Но и творческая составляющая вряд ли даёт от неё иммунитет. Так, в тестах Торренса на креативность — одном из самых признанных инструментов для оценки творческих способностей — языковая модель GPT-4 набирает топовые результаты, обходя 99 людей из 100.
6. “Профессиональные зоны“. Под этим авторы имеют в виду, что люди с высоким уровнем образования и длительной профессиональной подготовкой имеют более широкие возможности приобрести навыки для работы с ИИ. То есть предполагается, что человеческие работники будут не просто пассивным элементом в столкновении с ИИ — а будут активно адаптироваться к новой технологии, стремясь воспользоваться всеми ее возможностями.
Вполне разумное предположение. Конечно, мы не можем сказать, что адаптивность такого рода непременно завязана на профессию — более важную роль могут играть внутрикорпоративная политика по дообучению своих сотрудников и личные их качества, вроде обучаемости. Но профессиональные категории тоже выглядят адекватным критерием в попытке оценить потенциал дополняемости человека и ИИ на рабочем месте.
Подведем еще один промежуточный итог. Если сравнивать по критерию garbage in – garbage out, на фоне работы Фелтена и др. исследование «дополняемости ИИ» от МВФ смотрится немного лучше. Но увы, лишь немного. Большая часть аргументов, которыми авторы пытаются обосновать «неприкосновенность» человеческих профессий, выглядит несостоятельной. Это, опять-таки, означает переоценку потенциала дополняемости ИИ во многих профессий, и, соответственно, недооценку угрозы ИИ для них.
Объединив эти две работы — больше шума, больше garbage in – МВФ получило распределение профессий по двум осям: влияния ИИ (по горизонтали) и дополняемости ИИ (по вертикали):
...И мы вряд ли удивимся тому, что на выходе получилось еще больше garbage. Судите сами. Меньше медианы (красные линии) влияния ИИ оказалась профессия водителя грузовика. При том, что целый ряд стартапов в области автономного вождения с успехом масштабирует свои усилия по упразднению этой профессии (1, 2, 3). С посудомойками, я думаю, всё еще более очевидно (1, 2).
Или возьмем пилотов самолетов, которые якобы способны сильно дополнить работу ИИ. Даже в официальном плане по ИИ Европейского агентства по авиационной безопасности 3-й уровень автоматизации, не требующий участия человека в процессе пилотирования, намечен уже на 2035-50 гг. Карьера нынешних выпускников летных училищ может оказаться довольно короткой.
Но какой-никакой эффект от всех этих сомнительных расчетов исследователи всё же получили. 60% рабочих мест, находящихся под влиянием ИИ в развитых странах, распределились как 27% с высокой дополняемостью и 33% — с низкой. То есть сценарий стал выглядеть уже не таким катастрофическим, хотя и по-прежнему остался радикальным.
В странах со средним уровнем дохода эти доли составили 16% и 24% соответственно. В бедных странах — 8% и 18%. Почему бедные страны больше защищены от натиска ИИ на рабочие места? Потому что они бедные? Ну, на самом деле, да, но в исследовании МВФ это получается совсем по другой причине.
«Также оно [исследование] не принимает в расчет эффекты продолжающейся интеграции ИИ и робототехники», — деликатно упоминают авторы. То есть весь гигантский, революционный потенциал роботизации экономики экономисты попросту проигнорировали. Здорово, да? Ну а коль скоро в бедных странах работники в массе своей заняты ручным, физическим трудом, а не интеллектуальным — то и никакой угрозы со стороны ИИ МВФ для них не увидел.
Возникает вопрос: а можем ли мы вообще извлечь из этого исследования хоть какие-то адекватные выводы? Что ж, давайте попробуем. Во-первых, по критерию дополняемости ИИ адекватность данных получилась чуть получше. Авторы вычисляют, насколько степень дополняемости коррелирует с распределением доходов:
...и получают, что, начиная с 5-го дециля распределения, дополняемость растёт вместе с доходом. Поскольку высокая дополняемость означает рост производительности труда, это будет вести к росту заработных плат таких работников. Чем выше дополняемость — тем выше потенциальный рост.
То есть мы видим предпосылки для усугубления неравенства: высокооплачиваемые профессии станут зарабатывать еще больше. Рост неравенства из-за ИИ — тезис, который поддерживают многие экономисты. См., например, мнение Эрика Бринйолфссона.
Еще несколько наблюдений касаются демографического профиля рабочих мест, в которых дополняемость ИИ низка. Во-первых, на таких позициях велика доля молодежи, до 30 и особенно до 25 лет:
То есть рабочие места, сейчас традиционно являющиеся первыми карьерными ступеньками для молодежи, оказываются под высоким риском вытеснения ИИ. А ведь молодым людям, имеющим малый опыт работы — или не имеющим его вовсе — и сейчас трудно найти стабильную занятость. Это говорит о рисках роста молодежной безработицы.
Кроме того, дополняемость профессии ИИ связана с уровнем образования. Как правило, чем меньше образование, тем хуже дополняемость (2-ая панель на графике ниже):
Наконец, пожалуй, самая интересная часть исследования посвящена моделированию расширения ИИ-автоматизации на примере Великобритании. Сценарий авторов предусматривает падение доли доходов от труда на 5,5 проц. пункта (2021 г. = 60% ВВП). Величина снижения соответствует тому, что наблюдалось в Британии с 1980 по 2014 г.г. на фоне упадка профсоюзов, роста рыночной концентрации фирм и интенсификации внешней торговли. Заметим, что период 1980-2014 для Британии вряд ли можно описать как экономически революционный.
В рамках этого сценария авторы рассматривают 3 варианта:
1. Низкая дополняемость: ИИ увеличит спрос на профессии с высокой дополняемостью незначительно.
2. Высокая дополняемость: ИИ значительно увеличит спрос на профессии с высокой дополняемостью.
3. Высокая дополняемость + высокая производительность, в котором к сценарию №2 прибавляется выросшая производительность дополняемых ИИ рабочих мест, примерно на 1,5% в год выше, чем в первых 2-х сценариях.
Учитывая проведенный нами анализ адекватности расчетов по дополняемости, я бы не возлагал больших надежд на то, что дополняемость будет играть большую роль в сценарии внедрения ИИ в экономику. Тезис о росте производительности, с другой стороны, выглядит реалистично. Более того, ускорение на 1,5% в год — это скорее консервативная оценка, с чем согласны и сами экономисты МВФ. Поэтому предлагаю опираться на сценарий №1, держа в уме, что общий экономический рост может оказаться значительно выше спрогнозированного.
Авторы сосредотачивают своё внимание на перераспределении доходов. Вот так оно выглядит для первого сценария:
Здесь мы видим децили населения, распределенные по доходу, и эффект от роста доли капитала в структуре ВВП (на 5,5 п.п.). Синим обозначено изменение дохода от труда. Оранжевым — изменение дохода от капитала.
Мы видим, что для первых трёх децилей эффект от внедрения ИИ на трудовые доходы невелик. Почему? Это объясняет следующий график, на котором показана степень влияния ИИ в зависимости от величины доходов:
То есть работа МВФ постулирует, что для нижней трети населения ничего не изменится, потому что их профессии заменить ИИ будет трудно. Причем степень этой трудности авторы в очередной раз искусственно повышают: вместо медианы, на которую они ориентировались в глобальных расчетах, для Великобритании порог составляет 30% самых уязвимых к ИИ профессий.
Повторим еще раз тот факт, что роботизацию экономисты МВФ совершенно не рассматривают. Поскольку многие низкооплачиваемые профессии в Британии связаны как раз с физическим трудом, нечувствительность населения с низкими доходами к внедрению ИИ становится легко объяснимой. Впрочем, это совершенно не делает ее оправданной.
Далее, у групп со средними доходами — децили с 4-го по 8-ой — мы видим небольшой рост трудовых доходов. Он объясняется предыдущим графиком: с ростом дохода, влияние ИИ на эти профессии растёт медленнее, чем растёт дополняемость. Соответственно, выгоды от роста производительности труда в результате дополнения человека искусственным интеллектом перевешивают падение спроса на труд в замещаемых ИИ позициях.
Наконец, у самых высоких децилей замещаемость ИИ растёт быстро, а дополняемость даже падает, поэтому их трудовые доходы страдают.
Что касается доходов от капитала, то в британской экономике они распределены довольно равномерно по первым 7 децилям. И даже в более верхних децилях растут не так радикально. Доходы от капитала в итоге «вытаскивают» все децили в плюс относительно стартового состояния экономики. Однако неравенство растёт, за счет более сильного роста в 4-х верхних децилях.
Картина получается почти идиллической — особенно на фоне многих других стран с более сильным неравенством по доходам от капитала. Однако на графике мы видим, что совокупный доход растёт примерно на 6% (на него непропорционально сильно влияют богатые децили). Валовый же выпуск увеличится более, чем на 10%. Куда же делись еще 4% роста?
Авторы на этот счет хранят молчание. Правдоподобных гипотез можно придумать несколько, хотя ни одна из них не выглядит сильной. Так, 4% могли «утечь» за рубеж. Напомню, что модель калибровалась на данных, соответствующих периоду оффшоринга производств в азиатские страны. В разработке алгоритмов ИИ лидируют США и, далеко позади, Китай. Производство микроэлектроники — это те же США и Тайвань. То есть гипотетически эти страны действительно могут забрать себе существенную часть роста доходов в обмен на использование своих продуктов.
Вторая, более слабая гипотеза — это рост доли потребляемых нерыночных благ, обычно предоставляемых государством и НКО. Например, услуг здравоохранения и образования. Медицина в Англии бесплатна, и тренд на старение населения согласуется с возможным ростом потребления таких услуг. Но проблема в том, что модель МВФ учитывает совсем другие процессы и вряд ли может адекватно охватить такие структурные сдвиги.
Если нам не нравятся данные о степени влияния ИИ на профессии, сделанные методом garbage in – garbage out (а они нам не нравятся), исследователи предлагают альтернативный вариант расчетов, где учитывается лишь данные о степени дополняемости (тоже garbage, но по крайней мере в меньшем количестве), а степень влияния одинакова для всех профессий. Здесь уже картина не такая благостная:
Первый дециль на график не попал, вероятно, там всё очень плохо. Следующие три — теряют в доходе до 5% от стартовых значений. Потом ситуация выправляется, и у совсем богатых всё становится совсем хорошо. В результате неравенство растёт еще более резко.
Как бы там ни было, у нас еще есть надежда на ускорение производительности труда. В этом сценарии ВВП растёт уже не на 10%, а почти на 16%. Выигрыш в таком случае относительно равномерно распределится между разными слоями населения: самые нижние децили получат прибавку примерно на 4%, остальные — примерно на 5%. То есть ускорение производительности труда слабо повлияет на степень неравенства. Можно вспомнить поговорку «прилив поднимает все лодки».
В целом, результаты этого моделирования более-менее обнадеживающие. Как минимум, там не получается широкомасштабного падения доходов. Адекватность выводов поддерживает то, что моделируемый сценарий — замещение местного труда ИИ — похож на сценарий, по которому калибровалась модель (замещение местного труда импортом товаров из развивающихся стран).
Тем не менее, сценарий исходит из слишком оптимистичных предпосылок об осуществимости замены людей на ИИ. На самом деле возможности такой замены гораздо шире, чем предполагает модель. Кроме того, сценарий скорее можно описать как инерционный, а не как революционный: потенциально в следующие 34 года ИИ способен заместить не 5,5%-ную долю доходов в ВВП, а 55%-ную. Поэтому выводы этого сценария будут справедливы лишь для начального этапа внедрения ИИ в экономику. Допустим, первые 8-10 лет.
Авторы предупреждают, что для стран с высоким уровнем неравенства по доходам ИИ может сделать этот разрыв гораздо более сильным. Кроме того, они отмечают, что нас ждёт закат релокации производства в развивающиеся страны. Если раньше капитал шел в эти страны за дешевым трудом, то сейчас еще более дешевый труд начнет обеспечивать ИИ. Это закрывает возможности для догоняющего развития бедных стран.
Еще одна часть расчётов МВФ — индекс готовности к ИИ. В принципе, его с равным успехом можно было бы назвать индексом цифровой зрелости, ИИ-специфичных элементов в нем всё равно нет. Ключевые компоненты индекса — цифровая инфраструктура, человеческий капитал и регулирование рынка труда, инновации и интеграция, регулирование и этика (= качество институтов). Методология — на удивление — сделана нормально, индекс получился вполне адекватным. Могут же, если захотят! Рэнкинг стран — на графике ниже:
Красным выделены средние значения по группам стран: развитым, развивающимся, с низким уровнем дохода
Наконец, рекомендации. Специалисты МВФ мыслят широко, хоть и не в состоянии нормально посчитать влияние ИИ на отдельные профессии, и дают рекомендации сразу правительственного уровня. Но некоторые советы мы можем адаптировать и для простого человека. В частности, красной нитью через рассуждения авторов проходит тезис о том, что воспользоваться расширившимся функционалом ИИ смогут не все работники, а лишь те, кто владеет соответствующими навыками использования ИИ. Другими словами, с ИИ-технологиями нужно дружить, знать их и в них уметь.
Еще ряд советов мы почерпнем из списка критериев для индекса готовности к ИИ. Они имеют более широкий характер:
1. Развивайте свой человеческий капитал. Это образование и это уровень обычной грамотности.
2. Развивайте свои цифровые скиллы. Речь о базовых вещах: владение компьютером, навыки программирования и т. д.
3. Самой востребованной будет область STEM (Science, Technology, Engineering, Mathematics).
4. Будьте гибкими в развитии своей карьеры. Будьте открыты к новым поворотам и новым сферам деятельности.
(C) Источник
Не является индивидуальной инвестиционной рекомендацией
При копировании ссылка обязательна Нашли ошибку: выделить и нажать Ctrl+Enter