Мы можем видеть проявления ИИ-революции в самых разных местах. В побдирающемся к 1 миллиарду числу пользователей ЧатГПТ. В рыночной капитализации компании "Нвидиа". В астрономических выплатах, которыми Марк Цукерберг, поверивший в скорое пришествие искусственного сверхинтеллекта, заманивает ключевых исследователей. В постепенном заполнении соцсетей ИИ-слопом, бездумно-развлекательным либо политически-манипулятивным.
Но мы не видим ИИ-революцию в самой важной области. Мы не видим ее в растущих очередях на бирже труда, в массовых увольнениях и безработице. А без этого революция получается какой-то уж слишком "бархатной". Ненастоящей. Медийной, формальной, не имеющей содержания.
За "содержательную" часть в экономике отвечает бизнес, предприятия. И сегодня мы попробуем разобраться, почему бизнес оказался не в состоянии воспользоваться быстрым прогрессом в ИИ-технологиях. А также понять, надолго ли откладывается революция на рынке труда.
Поможет нам в этом свежий доклад, подготовленный одной из лабораторий Массачусетского Технологического Института. Авторы доклада провели интервью и опросы полутора сотен управленцев из различных американских компаний. Результаты излагаются в традиционном консалтерском стиле, который мы сейчас постараемся перевести в нормальный человеческий язык.
Текущее состояние дел хорошо описывается цитатой одного из опрошенных менеджеров: "Хайп в LinkedIn твердит, что все изменилось, но в нашей деятельности ничего фундаментального не произошло".
Почему нет изменений? Потому что ИИ-инструменты не внедряются в реальные операции, в продакшн. А почему ИИ-инструменты не внедряются в продакшн? Здесь мы подходим к одной из ключевых находок доклада:
Из общего числа ИИ-проектов, в реальные бизнес-операции успешно внедряются только 5% специализированных решений. Под успешным внедрением авторы доклада понимают устойчивый позитивный эффект на производительность и/или финансовые результаты фирмы.
Таким образом, абсолютное большинство ИИ-начинаний оказываются провальными. И это очень удручающая статистика. Честно говоря, в истории очень мало примеров настолько слабой результативности той или иной технологии. Поспорить с ИИ на этом поле сможет разве что блокчейн - где в продакшн вряд ли ушло больше 1% всех экспериментальных начинаний...
Тут возникает соблазн прийти к выводу, что, мол, этот ваш ИИ - настолько никчемная технология, что ничего полезного бизнес из нее извлечь не может, как ни пытается. Но я бы смотрел в сторону другой интерпретации. Каждый пилотный проект, каждый эксперимент всегда отражает определенные планы, определенные идеи и экспертизу по их осуществлению. Никто не запускает пилот ради того, чтобы сесть потом в лужу. Это нерационально. Пилот запускают с прицелом на успех. Успех не гарантированный - но при этом достаточно вероятный. Проверяют только идеи, имеющие хоть какие-то перспективы.
И если вместо перспектив получаются сплошные провалы и неудачи, это говорит нам об уровне понимания технологии. Об уровне экспертизы. Об уровне планирования и организации. Об уровне инжиниринга.
А технология... Она сейчас НЕ является настолько "черным ящиком", неким непознаваемым инопланетным артефактом из "Пикника на обочине", который работает неизвестно как и служит только инструментом для набития собственных шишок. Способности этой технологии неплохо известны. Известны и ее ограничения. Известны издержки.
Другими словами, чтобы запороть 95% экспериментальных идей, господа менеджеры должны были проявить чудеса управленческой бездарности. Буквально организовывать пилоты на основе "хайпа из Линкедин", а не на основе анализа, логики, понимания внутренних процессов и экспертизы профильных специалистов.
Предыдущие выводы касались кастомных проектов, реализуемых "сверху-вниз". И следующая находка доклада еще больше подчеркивает бездарность корпоративных управленцев. Дело в том, что использование на рабочем месте стандартных чат-ботов вроде ChatGPT оказывается гораздо более успешным начинанием: 83% попыток здесь вылились в закрепление найденных применений в реальные процессы. Во многих случаях речь идет даже не об официальных инициативах руководства, а о стихийном использовании чат-ботов сотрудниками.
Менеджмент попросту "отстаёт от жизни". Например, в крупных предприятиях путь от экспериментальной системы до внедрения занимает не менее 9 месяцев. ИИ-технологии развиваются настолько быстро, что за это время кастомный продукт успевает полностью устареть.
Или другой пример. Официально оплачивает корпоративную подписку на чат-боты 40% опрошенных компаний. При этом сотрудники 90% компаний сообщают о регулярном использовании этого инструмента. То есть остальные берут на вооружение ИИ, не дожидаясь "мудрых указаний" менеджмента. Более того, в ряде случаев кастомные ИИ-проекты, спущенные сверху, остаются невостребованными, а сотрудник предпочитает использовать обычный ChatGPT.
Если выражаться совсем прямо: внедрение ИИ прогрессирует именно там, куда не вмешивается менеджмент. На индивидуальном уровне. И отсюда нам легко понять, почему мы не видим такого серьезного влияния ИИ ни на бизнес-процессы, ни на занятость. Ведь бизнес-процессы в фирме в первую очередь касаются взаимодействия между людьми. Именно из такого взаимодействия, из разделения труда и складываются организационные преимущества. Чем крупнее фирма - тем больше их роль.
Но в нашем случае бизнес-процессы остаются практически нетронутыми. Изменения происходят на слишком низком уровне - там, где трудно создать дополнительную ценность для внешних субъектов. Да и, честно говоря, стихийные пользователи ChatGPT не слишком заинтересованы в своей собственной "оптимизации" путем увольнения.
В общем, низы не хотят. А верхи не могут. Но революцией такое положение назвать трудно.
Нежелание сотрудников отправлять самих себя на биржу труда никуда не денется. А вот с возможностями "верхов" дело обстоит интереснее. Вернее, речь не столько об управленческих талантах, сколько о развитии самой технологии. Раз управленцы не могут совладать с нынешними ИИ-моделями, остаётся подстраиваться под их нужды. И наращивать способности.
На следующем графике мы видим рэнкинг факторов, из-за которых, по мнению управленцев, кастомные ИИ-проекты "не взлетают". Самый важный фактор мы можем как раз списать на "нежелание низов". А вот следующий, "беспокойство о качестве работы модели", указывает на потенциал для нового рывка в возможных применениях.
Главная причина, по которой сотрудники предпочитают стандартных чат-ботов вроде ChatGPT кастомным корпоративным системам, банальна: ChatGPT оказывается полезнее и функциональнее. Умнее. Корпоративные разработки - и это стоит подчеркнуть - попросту не добавляют никакой ценности по сравнению со стандартной системой, которая обслуживает сотни миллионов пользователей со всех уголков земного шара.
Где требуются улучшения? Какие качества позволили бы корпоративной ИИ-системе обойти стандартного чат-бота? Ответ мы видим на следующем графике:
Можно выделить два ключевых требования к системе, которая создала бы незамедлительную угрозу для сегодняшних трудовых задач. Во-первых, ИИ должен уметь усваивать обратную связь, замечания и пожелания пользователей и руководства. Во-вторых, система должна быть глубоко интегрирована в информационные базы данных предприятия. Работа с этими базами должна быть максимально автоматизирована. Это позволит избавиться от времяёмкого "ручного" объяснения каждой задачи ИИ-агенту.
Требования серьезные. Они описывают действительно подрывную систему. И главный вопрос - насколько далека сейчас технология от овладения этими характеристиками. Насколько мы далеки от массового замещения "офисного планктона" искусственным интеллектом.
Работы по первому направлению, долгосрочной памяти ИИ и способности учиться на своем опыте, ведутся уже несколько лет. Исследуются разные подходы. И прогресс идёт довольно быстро.
Cхема из совсем свежей научной работы "AdaptFlow: Adaptive Workflow Optimization via Meta-Learning"
Но то, что мы сейчас можем видеть в академических исследованиях, не очень сильно пересекается с темой замещения офисных работников. Академия ориентируется на относительно простые, четко определенные, узкие задачи, результат в которых легко измерить. Всё это работает скорее на теорию, чем на практику. Вдобавок академия довольно стеснена в средствах. Она работает в рамках отдельных, небольших проектов, которые можно закрыть за 9-12 месяцев и подать заявку на следующий грант. Наконец, тема замещения рабочих мест ИИ-системами - очень неполиткорректная, по понятным причинам. И на открытые, практические усилия по созданию таких систем в академии смотрели бы очень косо.
Значит, дело за бизнесом, за стартапами. Раз мы нацелились на созидательное разрушение, первую скрипку здесь должен играть частный капитал. Однако пока мы не видим здесь действительно серьезных попыток по созданию ИИ-замены "офисному планктону". Да, тема ИИ-агентов постепенно набирает популярность. Но, по тем или иным причинам, абсолютное большинство игроков сейчас сосредоточилось на разработке агентов-программистов, а не на автоматизации офиса. Вероятно, программирование - более универсальная задача, в отличие от уникальных офисных процессов в каждой фирме.
Полагаю, что вслед за массовой погоней за ИИ-программистами начнется этап освоения и иных ниш. Где тема адаптивности и долгосрочной памяти будет полезна далеко за пределами собственно офисной работы. Поэтому такое направление вполне может получить достаточное финансирование для того, чтобы создать наконец практичное, работающее решение. Исходя из уже накопленного задела, речь может идти о довольно коротких сроках: 1,5-2 года при благоприятном сценарии.
В 2023 "МакКинси" прогнозировал нам, что к 2030 ИИ заберет на себя 30-40% офисного рабочего времени. Но уже в 2025 внутри самой "МакКинси" языковые модели позволили сократить размер консалтерской команды с 10-15 до 3-4 человек
Если этот срок кажется вам агрессивным - оглянитесь назад и посмотрите на рост способностей ИИ-моделей в программировании. Прогресс здесь идёт буквально с каждым месяцем.
Что касается второго направления, интеграции ИИ в информационные системы предприятия, то здесь я бы выделил две компоненты. Первая опирается на довольно традиционный инжиниринг ПО, со встраиванием новой компоненты в существующую систему. Она не представляет большой сложности.
Другая компонента интереснее: она опирается на способности самого ИИ. Требуется, чтобы машина достаточно хорошо освоилась в сложных информационных потоках внутри предприятия. Адаптивность, предыдущий пункт, здесь поможет, но только частично: для самостоятельной работы с корпоративными информационными системами ИИ нужна высокая степень адекватности и понимания внутренних процессов.
Более того, требуется, чтобы ИИ более-менее самостоятельно осваивал структуру корпоративных баз данных. Попытки "вручную" заинженерить его работу будут привносить хрупкость и потенциально могут указывать на недостаточную степень автономии ИИ. Кроме того, такой "ручной" инжиниринг требует немало времени. И, соответственно, денежных затрат на ML-специалистов. Подобный подход вновь рискует отставать от прогресса в фундаментальных способностях передовых ИИ-моделей.
Оба требования как раз завязаны на эти фундаментальные способности. И прогресс здесь прогнозировать несколько сложнее. Сценарий освоения этих способностей в течение следующих 2-х лет не выглядит таким уж фантастическим. Но неопределенности здесь ощутимо больше, чем в случае с адаптивностью.
Что касается спроса, неких психологических барьеров перед внедрением таких гипотетических ИИ-систем, то вряд ли они станут серьезным препятствием. Уже сейчас 70% менеджеров предпочитает делегировать небольшие, короткие задачи (вроде написания и-мейлов) чат-боту, а не человеческому подчиненному:
Скорее всего, когда будет решена проблема долгосрочной памяти и улучшена робастность ИИ-агентов, более комплексные задачи тоже уйдут им. Никаких сентиментальных предрассудков в отношении человеческих работников менеджмент не испытывает. Цитата: "Опасения по поводу влияния на численность персонала были гораздо менее распространены, чем ожидалось. Большинство пользователей приветствовали автоматизацию, особенно для утомительных, ручных задач, при условии, что данные остаются в безопасности, а результаты поддаются измерению."
Единственным негативным предубеждением становится нарастающий скепсис в отношении стартапов, предлагающих корпоративные ИИ-продукты. С такой печальной результативностью внедрения - совсем неудивительно. Но скептицизм в отношении отдельно взятых стартапов не переходит в отрицание перспективности ИИ в целом. Это скорее проблема доверия и связей: предпочтение отдаётся тем, кто уже смог хорошо зарекомендовать свои разработки.
В целом, такая картина, когда менеджмент больше полагается на доверие к поставщику, чем на собственную экспертизу, вновь подчеркивает уровень грамотности и компетенции управленцев. Доклад отмечает, что для большинства успешных пилотных проектов инициатива исходила от нижестоящих работников, "продвинутых пользователей", уже знакомых с возможностями стандартных чат-ботов. Так что самым большим тормозом на пути ко всеобщей автоматизации офиса рискует стать даже не слабость технологии, а тотальная некомпетентность менеджмента.
Но уповать на чью-то неумелость и бездарность - не очень хорошая стратегия. Если - вернее, когда - ИИ всё-таки достигнет необходимого уровня, с кого начнется волна сокращений? Кто находится в самой рискованной зоне?
Доклад отмечает, что успешные пилоты ИИ-проектов сейчас редко приводят к сокращению штата. В первую очередь "под нож" идут внешние затраты. Услуги сторонних организаций, задачи, отдаваемые на аутсорсинг, а также затраты на консалтинг. То в ближней перспективе угроза наиболее велика для фирм, предоставляющих услуги для бизнеса.
Но если дело доходит до внутреннего персонала, под удар попадают "служебные", вспомогательные роли: клиентская поддержка, административные функции и написание рутинного кода. Мы можем отметить, что эти роли агрессивно аутсорсились, в т.ч. за рубеж, и до наступления ИИ-революции. Теперь же человеки вообще теряют эти задачи. Опрошенные менеджеры неохотно раскрывают масштаб текущих сокращений, но пока он вряд ли велик: от 5% до 20% штата соответствующих подразделений.
Пионеры ИИ-автоматизации уже начали планировать сокращение найма новых сотрудников. Это еще один классический паттерн: вместо прямых сокращений организации предпочитают заморозить найм новых сотрудников. И уменьшать штат "органическим путем", за счет уходящих по собственному желанию. 80% управленцев из технологического и медиа-секторов собираются уменьшить найм в ближайшие 24 месяца.
Так что условия на рынке труда для профессионалов из этих отраслей будут ухудшаться. Повысить свои шансы можно за счет... того же ИИ. Как говорится, тот кто нам мешает - тот нам поможет. Менеджмент всё больше ставит ИИ-грамотность в качестве одного из главных преимуществ кандидата. Доклад цитирует одного из топов: "В нашей стратегии найма приоритет отдается кандидатам, которые демонстрируют владение ИИ-инструментами. Недавние выпускники часто превосходят опытных специалистов в этом отношении".
И это правильный подход. Так что если на кодерском собеседовании работодатель вдруг начнет возмущаться, что вы используете для ответов ЧатГПТ и обвинять вас в читерстве - смело говорите ему, что он отстал от жизни. И что вы лишь демонстрируете ему ключевой навык прогрессивного работника, мастерство использования ИИ.
Шутки шутками, но рынок труда для офисных работников очень скоро ждут серьезнейшие потрясения. При хороших (или плохих, для кого как) раскладах работы для людей там остаётся года на два.
А дальше будет довольно болезненно. И хаотично. И непредсказуемо.
Готовиться к этому надо начинать уже сейчас. Предупрежден - значит вооружен.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба