Продолжаем знакомиться с прогнозами влияния ИИ на рабочие места. Сегодня мы рассмотрим работу от ”McKinsey” под названием «Агенты, роботы и мы: партнерство навыков в эпоху ИИ».
Консалтеры начинают свой прогноз с хороших новостей. Сегодняшние ИИ-технологии, по их мнению, способны заменить 57% всей человеческой работы в США. Из них 44% - это замена на электронные алгоритмы, которых «МакКинси» называет «агентами». И еще 13% - замена физическими роботами.
Причем это пессимистичная оценка. Оптимистичная оценка чуть повыше: под автоматизацию попадает 65% человеко-часов.
К таким цифрам, конечно, возникает масса вопросов. И самый животрепещущий: как они вообще такое насчитали?
Увы, свою методологию «МакКинси» описывает весьма скупо. В принципе, они опирались примерно на те же «большие данные», что и недавнее исследование Массачусетского Института Технологий. Они взяли данные о 2000 профессий из базы O’NET. И применили к ним свою проприетарную, закрытую модель оценки потенциала автоматизации. Которая выдала им долю автоматизированных позиций для каждой профессии к 2030 году.
Что там «под капотом» у этой модели — понять трудно. Однако повторюсь, что при помощи одной только теории, «экспертных оценок», оценить возможность автоматизации той или иной работы нереально. Особенно если речь идёт о массовом анализе всех профессий в экономике.
Поэтому я сильно подозреваю, что 57% - это скорее выдача желаемого за действительное, нежели справедливая оценка. Это видно хотя бы по доле автоматизированного труда, которую «МакКинси» отписывает на роботов. Справедливая оценка, скорее всего, будет в несколько раз ниже.
Для лучшего понимания мы можем обратиться к характеристикам нынешних трудовых задач, рассчитанных «МакКинси». В США 2/3 совокупного рабочего времени — умственный труд. 1/3 — физическая работа.
Из интеллектуального труда, в свою очередь, 1/3 работы связана с социальными и эмоциональными навыками. Авторы прогноза почему-то уверены, что ИИ эту сферу не осилит — несмотря кучу статей в прессе о том, как чат-боты умудряются вступать в романтические отношения с людьми и манипулировать их убеждениями. Это многое говорит об адекватности проприетарной модели автоматизации «МакКинси»…
Консалтеры предлагают простую модель с 4-мя сегментами, которые делят труд по двум осям: автоматизируемый/неавтоматизируемый и умственный/физический:
Мы видим, что значительную часть неавтоматизируемого умственного труда составляют эмоциональные и социальные задачи — которые «МакКинси» машине предпочитает не доверять. Доля таких задач высока и для физического труда.
Но это — задачи, собранные в кучу по всем профессиям. Гораздо интереснее посмотреть на отдельные нынешние профессии и попытаться предугадать, что с ними сделает натиск ИИ. Для этого авторы прогноза взяли «микс» из 4-х вышеописанных сегментов, характерный для задач в каждой профессии. И сгруппировали профессии в 7 различных архетипов автоматизации.
«МакКинси» полагает, что будущее работы — за коллаборацией между людьми, ИИ-агентами и роботами. Где ИИ и роботы берут на себя часть задач, которые им по плечу. Давайте посмотрим, как такая модель будет трансформировать ныне существующие профессии в разных архетипах:
1. «Человеко-центричный» архетип
Самый крупный кластер профессий, 34% занятости — те, кого автоматизация, по мнению «МакКинси», затронет в минимальной степени. В первую очередь потому, что здесь требуется физическая работа. Впрочем, несмотря на обманчивое название, даже в этом архетипе мы видим приличный объем задач, которые смогут выполняться виртуальными ИИ-агентами: порядка 25%. Под этот архетип попадают такие профессии, как медсестра, психолог и пожарник. Насчет психологов, кстати, лично у меня есть большие сомнения...2. «Агенто-центричный» архетип
Второй по величине кластер подразумевает противоположную траекторию: вытеснение людей ИИ-агентами. Такие профессии сейчас составляют 30% занятости в США. Готовиться к потере работы стоит таким специальностям, как бухгалтеры, разработчики ПО и юристы.
3. «Человеческо-агентный» архетип
Третий по величине кластер, 21% занятости, как раз нацеливается на равноправную коллаборацию между людьми и ИИ-агентами. Примеры профессий — торговый представитель, учитель средней школы, специалист по персоналу.
Другие архетипы, вроде «робото-центричного» или «человеческо-робото-агентного», менее распространены и занимают в общей сложности около 15% нынешней занятости.
Коллаборация между людьми и машинами подразумевает, что живая сила должна хорошо понимать все тонкости работы с ИИ. Потребность в таком навыке, который «МакКинси» называет «владением ИИ» (”AI fluency”), согласно анализу вакансий, за два последних года выросла в 7 раз. В профессиях, где требуется владение ИИ, сейчас занято около 7 миллионов американцев.
При этом востребованность чисто технических навыков создания ИИ-систем за этот же промежуток выросла гораздо меньше: в 1,6 раза. То есть требуются «пользователи», а не «инженеры». Это хорошо перекликается с анекдотическими свидетельствами ML-инженеров о том, что с работой в этой области сейчас очень тяжело, несмотря на весь хайп и гигантские капиталовложения.
Любопытно, что спрос на ИИ-грамотность сейчас сконцентрирован в областях, в которых угроза автоматизации рабочих мест весьма высока: в компьютерных и математических специальностях, в менеджменте и в профессиях, связанных с бизнесом и финансами.
Если владение ИИ — самый «горячий» навык на рынке труда, то какие навыки теряют актуальность? В анти-лидерах — навыки, связанные с наукой и исследованиями, написанием и обработкой текста, математикой, базовыми техническими знаниями, обслуживанием клиентов, бухгалтерским учетом, использованием офисного ПО и выставлением счетов.
Падение востребованности для многих навыков из этого списка можно списать на ИИ. Так, системы вроде "DeepResearch” позволяют составлять аналитические отчеты в сотни раз быстрее и дешевле человека. А вайб-кодинг делает очень простым создание моделей на основе тех или иных данных.
Хорошо, но каких изменений стоит ждать в будущем. Будет ли падение востребованности отдельных навыков означать, что в скором времени уйдут в прошлое целые профессии?
Для ответа на этот вопрос «МакКинси» вновь вооружается большими данными. И своей проприетарной моделью автоматизации. Консалтеры делят все существующие трудовые задачи на три группы. Задачи, которые можно автоматизировать более чем на 80%. Задачи, которые можно автоматизировать не более, чем на 20%. И всё то, что находится посередине.
Затем они распределяют навыки по этим трем группам трудовых задач. И получают, что 17% навыков «съест» автоматизация. 11% навыков останутся чисто человеческой прерогативой (в том числе потому, что модель автоматизации «МакКинси» предполагает, что машины не умеют в социальный и эмоциональный интеллект). Это оставляет большую «серую зону», 72% навыков, которые будут актуальны в коллаборативной работе ИИ и человека.
Впрочем, когда дело касается конкретных примеров распределения работы между человеком и ИИ в этой «серой зоне» навыков, консалтеры начинают транслировать наивные клише про Мудрого и Всезнающего Лидера-СверхЧеловека, который якобы способен улучшить работу бестолкового ИИ своими чуткими указаниями:
Примеры навыков, ранжированных по степени замещения искусственным интеллектом, для двух сценариев автоматизации, быстрого и медленного:
Наибольшую угрозу ИИ несет цифровым навыкам (в том числе ИТ) и навыкам обработки информации:
“МакКинси» считает, что спрос на навыки с высокой степенью автоматизации будет падать. Использование навыков из «серой зоны» со средним потенциалом автоматизации будет эволюционировать, меняться сообразно новым, «гибридным» форматам совместной работы человека и ИИ.
Центральный сценарий прогноза подразумевает, что в 2030 будет автоматизировано 27% нынешних затрат труда. Это очень, очень большая доля. Подразумевающая рост производительности труда примерно на 5% в год. А реалистично, учитывая ускорение внедрения ИИ к концу десятилетия, через 3-5 лет темпы будут еще выше.
Исторически такие высокие темпы роста не имеют прецедентов. По крайней мере, если мы говорим о передовых странах, а не о догоняющем развитии.
Но что нужно, чтобы вырасти так быстро? Изменения. Большие изменения. «МакКинси» наконец-то озвучивает очень важный вывод, который я повторяю уже довольно давно. Для того, чтобы получить самый большой эффект от технологий ИИ, недостаточно автоматизировать отдельные трудовые задачи. Необходимо переосмысливать и перестраивать сами бизнес-процессы вокруг возможностей, которые предлагает ИИ. Нужна интеграция работы ИИ в масштабах всей организации, а не точечные инструменты для отдельных рабочих мест.
Консалтеры приводят несколько реальных примеров такого редизайна, уже осуществленных на практике разными фирмами. Рассмотрим один из таких примеров, в области организации продаж.
Процесс начинается с агента по приоритизации, который вычисляет рейтинг перспективности для каждого клиента в базе на основе публичных и внутренних данных. Далее агент по продвижению выходит на связь с перспективными клиентами. Агент по клиентским ответам обрабатывает итоги беседы и распределяет клиентов на заинтересованных, незаинтересованных и неуверенных. Агент по планированию назначает время звонков и напоминаний для клиентов с высоким потенциалом. И если всё-таки требуется участие человека, агент-передатчик организует передачу такого кейса живому специалисту.
«МакКинси» рекламирует, что такой агентский пайплайн экономит 30-50% времени продажной команды. И предлагает усилить ИИ-команду еще двумя агентами: коучем, дающем человекам продажные советы в реальном времени, и админом, занимающемся офисно-вспомогательной работой.
Другие примеры практически реализованных проектов — автоматизация телефонной поддержки, ускорение написания отчетов о клинических испытаниях и автоматизация рефакторинга кодовой базы.
Примеры, честно говоря, довольно мейнстримные, в духе типичных консалтерских решений. Скучноватые. Никаких неожиданных и смелых идей. Эволюция, а не революция.
Но вот эта обыденность неплохо показывает, что автоматизация находится буквально на расстоянии вытянутой руки. Не требует какого-то экстраординарного стечения благоприятных факторов. Скорее последовательности и желания довести инициативу до ума.
И, разумеется, масштаба. Пока все подобные решения инженерятся вручную, и требуют немалых затрат времени и труда. «Коробочных продуктов», позволяющих даже малой фирме воспользоваться преимуществами ИИ-автоматизации, на рынке не существует. Это сильно отличает динамику внедрения ИИ от типичной динамики для традиционного коммерческого ПО.
Видимо, этот разрыв между абстрактными возможностями ИИ и продуктизацией этих возможностей объясняет, почему 57% работы «в теории» сейчас — превращаются лишь в 27% автоматизированной работы на практике в 2030.
Однако даже тщательный анализ больших данных, проприетарные модели и ручное рассмотрение сотен бизнес-процессов, увы, не делает прогноз «МакКинси» сколь-нибудь адекватным описанием будущего. Проблема в том, что консалтеры опираются на текущее состояние ИИ, на текущие возможности технологий. И пытаются экстраполировать их на 5 лет вперед.
Но еще 3 года назад эти же консалтеры не знали, что такое «генеративный ИИ». Полтора года назад они не знали, что такое «ИИ-агенты».
Всё это время технология развивалась феноменальными темпами. Всё это время технология прирастала новыми способностями, открывающими для нее новые ниши. Фундаментальными способностями. Всё это время возможности ИИ заменять человеческие трудовые задачи постоянно росли. В будущем они продолжат расти не менее быстро — а может, даже и с ускорением.
И вот эту «движущуюся цель» консалтеры пытаются искусственно зафиксировать на 4-ом квартале 2025, и строить на основе такого «отлитого в граните» образа какие-то далеко идущие планы.
Это глупость. Важно не то, какой технология была 5 лет назад. ИИ сейчас стал незаменимым инструментом для разработчиков ПО не потому, что 5 лет назад GPT-3 могла накодить веб-страничку с надписью ”Hello world!”. А потому, что современные модели достаточно мощны, чтобы работать с комплексными кодовыми базами из реального мира.
Появление новых способностей означает, что предпосылки о тех или иных препятствиях для быстрого внедрения ИИ могут быстро исчезнуть. Например, требование вручную инженерить ИИ-центричные бизнес-процессы может отпасть, если задачу инжининринга и адаптации возьмёт на себя новая, более мощная версия ИИ.
Другими словами, ИИ-автоматизация завтра не будет похожа на ИИ-автоматизацию сегодня. Это будут разные ИИ, и это будут разные автоматизации.
И, скорее всего, это будет не скучная эволюция, обыденная и предсказуемая, с плавным ростом по графику, предсказываемому моделями первого порядка.
Неожиданные и смелые идеи будут. Будет революция. Будет подрыв. И для прогнозирования таких нелинейных процессов нужны мета-модели — модели, предсказывающие, как будет меняться в будущем модель автоматизации. Как будет видоизменяться технология. Как будет изменяться сама сущность экономических процессов. Как человеческий труд перестанет быть самым ценным ресурсом в экономике.
Я не уверен, что достаточно строгие, точные такие модели возможно создать в принципе — слишком уж высока неопределенность будущего технологического развития. И уж конечно у «МакКинси» нет ни профильных компетенций, ни желания всерьез углубляться в вопросы революционной перестройки экономики. Эти ребята гоняются за корпоративной модой на те или иные идеи…
Поэтому все прогнозы на 2030 пока по умолчанию лучше встречать с изрядной долей скепсиса.
Не является индивидуальной инвестиционной рекомендацией | При копировании ссылка обязательна | Нашли ошибку - выделить и нажать Ctrl+Enter | Жалоба