Есть пределы для ИИ!

Результаты совместного исследования, проведенного MIT CSAIL, MIT Sloan, The Productivity Institute и IBM's Institute for Business Value, показывают, что в настоящее время только около 23% зарплат, выплачиваемых за выполнение задач, связанных со зрением, экономически целесообразно автоматизировать с помощью ИИ. Другими словами, заменять человеческий труд искусственным интеллектом экономически целесообразно лишь в четвертой части рабочих мест, где зрение является ключевым компонентом работы. Как отмечают эксперты, это свидетельствует о более постепенной интеграции ИИ в различные отрасли, в отличие от часто выдвигаемых гипотез о быстром вытеснении ИИ рабочих мест.

На примере зрения

Ученые сосредоточили свое внимание на области компьютерного зрения — сфере, в которой моделирование затрат достигло значительных успехов. Исследование отходит от традиционного широкомасштабного подхода к потенциальному влиянию ИИ. Вместо этого оно предлагает тщательный анализ возможностей ИИ в автоматизации конкретных задач. Отличительной чертой исследования является трехсторонняя аналитическая модель. В рамках этой модели оцениваются не только технические требования к производительности систем ИИ, но и рассматриваются характеристики системы ИИ, способной обеспечить такую производительность, а также экономический выбор — создавать и внедрять такую систему.

Многолетний опыт работы с компьютерным зрением предоставляет большое количество данных для оценки производительности и экономической целесообразности. В отличие от этого, данные для новых больших языковых моделей все еще находятся в стадии разработки. К счастью, опыт использования моделей компьютерного зрения дает некоторое представление о том, что может ждать языковые модели в будущем. По мнению исследователей, затраты на разработку, внедрение и эксплуатацию могут снизиться, а технологическая индустрия может трансформироваться и предоставлять решения ИИ в качестве услуги, устраняя необходимость в значительных капиталовложениях.

Исследователи рассмотрели последствия потенциального снижения стоимости систем ИИ и то, как такие изменения могут повлиять на темпы автоматизации. Например, если затраты на внедрение ИИ на рабочих местах значительно снизятся, это может ускорить темпы внедрения ИИ в различных отраслях, что потенциально приведет к более быстрым изменениям на рынке труда. И наоборот, если требования к вычислительной технике расширятся, данные будет сложнее найти, а квалифицированных работников будет не хватать, рост затрат может замедлить этот переход, что даст работникам и отраслям больше времени на адаптацию.

ИИ как сервис

Еще одним важным аспектом являются платформы «ИИ-как-сервис». Ученые показали, как масштабируемость и более широкое применение могут потенциально изменить ландшафт автоматизации задач, сместив акцент с развертывания на уровне отдельных фирм на более широкий подход, основанный на предоставлении услуг. Последствия этого сдвига очень глубоки: он может демократизировать доступ к технологиям ИИ, позволяя небольшим компаниям и организациям извлекать выгоду из ИИ без необходимости в обширных внутренних ресурсах. Более того, это может привести к появлению новых бизнес-моделей, основанных на услугах ИИ.

«Когда 20 лет назад полупроводниковая промышленность создала совершенно новую бизнес-модель, разделив проектирование и производство с аутсорсингом производства, полупроводниковые компании без фабрик стали стандартом, — говорит Мартин Флеминг, бывший главный экономист и директор по аналитике IBM, а ныне научный сотрудник Института производительности, расположенного в Великобритании. — В ближайшие годы, возможно, программное обеспечение, облачные сервисы и консалтинговые компании создадут новую бизнес-модель с классом компаний, специализирующихся на «ИИ-как-услуга» в масштабе».

Последствия исследования выходят за рамки непосредственных экономических соображений, затрагивая более широкие общественные последствия, такие как переподготовка рабочей силы и разработка политики. Оно открывает возможности для дальнейших исследований в области масштабируемости, экономической эффективности и потенциала ИИ в создании новых категорий рабочих мест. Например, по мере автоматизации некоторых рабочих мест будет расти потребность в специалистах, занимающихся управлением, обслуживанием и совершенствованием систем ИИ, а также в специалистах в тех областях, где человеческие навыки не могут быть заменены ИИ.

Кроме того, в той мере, в какой снижение затрат на ИИ, новые услуги ИИ или и то и другое будут способствовать повышению производительности труда на макроэкономическом уровне, ускорится рост занятости и доходов, а также повысится уровень жизни. «Широкие экономические преимущества будут реализованы только тогда, когда произойдут фундаментальные преобразования в том, как ведется бизнес и как работают сотрудники», — говорит Флеминг.

Барьер для внедрения

«О будущем влиянии ИИ на рынок труда написано немало, в основном с использованием мер воздействия. Однако эти оценки часто основываются на предположении, что если работу можно автоматизировать, то она будет автоматизирована», — говорит Антонин Бержо, доцент экономики в HEC Paris.

«В исследовании Сванберга и соавторов используется свежий взгляд на проблему: они тщательно оценивают затраты на внедрение этих технологий, от установки до обслуживания. В результате выяснилось, что даже система искусственного интеллекта, которая «всего лишь» не хуже человека, зачастую будет непомерно дорогой для внедрения по сравнению с текущей стоимостью рабочей силы в США. Вывод поразителен: гораздо меньшая доля рынка труда подвержена риску автоматизации, чем можно было бы предположить на основе прямых оценок. Этот важный результат требует более систематической оценки целесообразности внедрения новой технологии в отрасли, что напрямую связано с «новым парадоксом Солоу», когда фирмы могут не внедрить технологию, превосходящую по производительности, если барьеры слишком высоки», — отметил он.