Недавнее исследование прогнозирует, что к 2035 году в Великобритании из-за внедрения искусственного интеллекта может исчезнуть до трёх миллионов рабочих мест, требующих базовой квалификации. Подобные выводы множества аналитических отчётов гласят, что значительная часть мировой занятости будет автоматизирована, но они упускают ключевое последствие – ту трансформацию навыков, которую вызовет повсеместное использование ИИ.
Главная проблема ИИ заключается вовсе не в отсутствии компетенций (хотя он и не обладает истинными умениями, но это отдельная тема). Дело в том, что он обостряет уже существующий дефицит профессиональных навыков в современной экономике.
Противопоставление экономического роста и человеческого труда, о котором часто говорят при обсуждении ИИ, в реальности не состоится. Напротив, автоматизация понизит общий уровень квалификации работников и может нанести серьёзный урон экономике. Объясню, почему.
ИИ эффективно повышает производительность лишь в так называемых «базовых» задачах – например, при составлении протоколов встреч или обработке обращений клиентов. Однако алгоритмы неизбежно ошибаются: их сбои принято называть «галлюцинациями» – по сути это попытка придать машины черты человека-ошибочника.
Но прежде чем рассмотреть долгосрочные риски для мировой экономики, стоит напомнить: уже сегодня ИИ остаётся мощным инструментом для оптимизации рутины.
Отдайте часть рутинных процессов BotHub! Доступ без VPN, поддержка российских карт. Получите 100 000 бесплатных токенов и начните автоматизировать задачи прямо сейчас.
Однако эти «галлюцинации» делают применение ИИ для сложных задач крайне затратным: квалифицированному специалисту приходится тратить массу времени на контроль алгоритмов, выявление и исправление ошибок.
Затраты на надзор иногда превосходят сэкономленное. Так, MIT зафиксировал, что 95 % пилотных проектов ИИ не принесли успеха, а исследование METR показало, что инструменты программирования на базе ИИ замедляют работу опытных разработчиков.
И эта тенденция сохраняется: ИИ остаётся лишь машиной вероятностей с убывающей эффективностью, поэтому всегда будет допускать ошибки. В эксклюзивном исследовании OpenAI подчёркивается: ни объём данных, ни вычислительные мощности не устранят «галлюцинации», и в настоящее время нет надёжного способа их минимизировать.
При этом подобные сбои мало влияют на «базовые» роли: неопытные сотрудники и так часто ошибаются, а их работу обычно проверяют более квалифицированные коллеги. Здесь ИИ лишь сглаживает результат, подготавливая его к верификации: автоматический протокол встречи, пусть и с огрехами, оказывается точнее, чем запись от незнакомого корпоративным регламентам новичка.
Так можно ли считать, что ИИ лишь дополняет или автоматизирует «низкоквалифицированные» задачи?
Возможно. Но это чревато внушительными потерями из-за когнитивного разгрузки, эрозии навыков и блокировки возможности накопления опыта.
К примеру, квалифицированный сотрудник делегирует ИИ «простую» задачу: нагрузка снимается, производительность растёт. Здорово! Но опыт подобен мышце: без регулярного тренинга он атрофируется. В итоге человек утрачивает умение обнаруживать и корректировать «галлюцинации», и накопившиеся ошибки распространяются дальше.
Если же такой подход применяют все специалисты в компании, коллективный опыт организации стремительно истончается. В масштабах фирмы ИИ способен полностью вытеснить жизненно важные экспертные знания. Исследования уже фиксируют подобные случаи – долговременные последствия могут оказаться разрушительными.
Ещё одна угроза – постоянные обновления моделей. Промпты, работавшие вчера, завтра могут не сработать, а утраченные навыки не позволят найти и настроить новые запросы.
Отмечу: я беру «низкоквалифицированные» в кавычки, поскольку так называемая «низкая квалификация» зачастую требует серьёзных знаний о бизнес-процессах, умений работать с ПО и навыков коммуникации. Даже на таких должностях новичку приходится проходить глубокое обучение. Тем не менее многие технически сложные функции классифицируют как «низкоквалифицированные» и стремятся заменить их ИИ.
Даже если ограничиться автоматизацией лишь «базовых» ролей, эрозия навыков рискует привести к катастрофической утрате необходимых компетенций.
Как насчёт «дополнения» людей ИИ в этих должностях? Исследования подтверждают рост эффективности.
Однако исчезает возможность учиться на своих ошибках: стажёр, ведущий протоколы, усваивает корпоративные стандарты и постепенно переходит к управлению. Большинство руководителей начинали именно с таких позиций, поэтому опыт этих ролей критически важен для карьерного роста.
Автоматизируя или дополняя базовые задачи, компания душит собственный талант и препятствует развитию кадров. Такой подход уже губил бизнесы, а если его применить повсеместно, экономика столкнётся с острым дефицитом специалистов, возместить который будет непросто.
В итоге ИИ в рабочем процессе далёк от всеобещающих инструментов повышения продуктивности: сферы, где он действительно эффективен, одновременно разрушают критические навыки и наносят ущерб организации или целому сектору.
Проблема ИИ в навыках уходит ещё глубже.
Можно предположить, что менеджеры и руководители распознают риски: имея опыт, они должны понимать, что ИИ не способен гарантировать рост производительности и что от него «отупевают» сотрудники?
Однако они этого не делают.
Исследования десятилетиями показывают: менеджеры часто лишены технических знаний для полного понимания процессов, которыми руководят. Их сильная сторона – управление эффективностью, а не глубокая экспертиза отрасли. Многие имеют экономическое образование и оторваны от «поля».
Они смотрят на ИИ так же, как и «низкоквалифицированные» сотрудники: не владеют инструментами для распознавания «галлюцинаций» и недооценивают ущерб от потери навыков. Как результат, большинство организаций, внедряющих ИИ для автоматизации базовых функций, не замечают проблему, пока навык не угаснет окончательно, и ущерб не станет неоспорим.
Итак, где искать выход?
Осознание ограничений ИИ и его влияния на навыки необходимо, но не решает корень проблемы.
Современные, слишком вертикальные корпоративные структуры отдаляют топ-менеджмент от специалистов, делая принятие решений менее обоснованным и справедливым. Вкупе с культом краткосрочной эффективности это означает: компаниям невыгодно вкладываться в развитие сотрудников. В такой экономической иерархии ИИ незаметно прячет свои «вредные» стороны, внедряясь в процессы как «кукушка в гнезде».
Никакой «прокачки» осведомлённости о ИИ не исправит эту системную слабость.
Решение очевидно:
- Работники должны объединиться в профсоюзы, чтобы их опыт и голос стали неотъемлемой частью управленческих решений и гарантировали ответственность руководства.
- Организациям стоит перейти к более горизонтальным структурам, сближая «руководителей» и «исполнителей» и принимая решения сообща, а не сверху вниз.
- Корпорациям пора отказаться от «геимфикации» акций и одержимости квартальными результатами, сместив фокус на устойчивый долгосрочный рост и инвестиции в сотрудников.
Один из вариантов – остаться частным бизнесом или, ещё лучше, преобразоваться в трудовой кооператив.
При глобальном внедрении этих реформ экономика будет защищена от эрозии навыков, сможет сосредоточиться на реальном повышении производительности, станет более устойчивой и справедливой.
Проблемы с ИИ – это не столько «проблемы ИИ», сколько отражение изъянов нашей современной экономики. ИИ лишь держит зеркало, в котором мы видим трещины.
Вопрос лишь в том, хватит ли у нас смелости признать, что главная проблема – мы сами?
