Искусственный интеллект вот-вот должен вывести эффективность офисных работников на совершенно новый уровень. По крайней мере, так обещают компании, занимающиеся ИИ. По их словам, технология избавит людей от бесконечной рутины и сделает целые профессии ненужными. Но на практике что-то не сходится. В одном исследовании за другим руководители компаний и их сотрудники сообщают, что ИИ пока не дает впечатляющего прироста эффективности. Исследователи Федерального резервного банка Атланты, Стэнфордского университета, Банка Англии и Автономного технологического института Мексики недавно опубликовали опрос почти 6 000 руководителей высшего звена. Около 90% опрошенных заявили, что ИИ никак не повлиял ни на занятость, ни на производительность труда. И это несмотря на то, что 69% сообщили, что их компании активно используют ИИ.
Как сообщает NYT, заметного роста эффективности от внедрения ИИ не видно и в общей экономической статистике. Как пишет Торстен Слок, главный экономист Apollo, анализируя данные Федерального резервного банка Сан-Франциско: «Рост производительности благодаря ИИ пока остается прогнозом, а не наблюдаемым фактом».
Есть много объяснений тому, почему данные пока не подтверждают обещаний резкого роста эффективности. Самое очевидное: компаниям просто нужно время, чтобы адаптироваться к новым технологиям и научиться правильно их использовать.
Но есть и другая проблема. ИИ создает новый вид работы, который может забирать значительную часть времени, сэкономленного благодаря самой технологии.
Эту работу называют «налогом на проверку» (verification tax), «присмотром за ботами» (botsitting) или «переделкой» (rework). Речь идет о зачастую трудоемкой проверке результатов работы ИИ: нужно убедиться, что они точны, безопасны и пригодны для использования. В итоге на пути автоматизации возникает препятствие, которое может устранить только человек.
«Главным ограничением экономического роста теперь является уже не интеллект, а пропускная способность человека по проверке результатов», — написал в рабочей научной статье в феврале Кристиан Каталини, научный сотрудник и преподаватель Школы менеджмента MIT Sloan.
Другими словами, как объяснил Каталини изданию DealBook, «полезен только тот ИИ, результаты работы которого проверены».
Эта необходимость проверять и исправлять результаты ИИ может сводить на нет часть выигрыша в эффективности. Опрос платформы Workday, специализирующейся на управлении персоналом, охватил 3 200 сотрудников и руководителей компаний. Выяснилось, что в среднем они тратили примерно 37% сэкономленного благодаря ИИ времени на исправление, уточнение или переписывание некачественных результатов.
Экономисты Google опросили 600 ученых и выяснили, что ИИ экономил им в среднем семь часов в неделю. Однако почти 90% тех, кто экономил время, сообщили, что тратили десятую часть этого времени на проверку результатов ИИ. А 46% заявили, что на проверку уходило больше четверти сэкономленного времени.
Около 40% ученых также сообщили, что по сравнению с ситуацией три года назад у них накопилось больше непроверенных гипотез. Это говорит о том, что ИИ способен быстро предлагать возможные решения и делать прогнозы, но проведение физических экспериментов или клинических испытаний для их проверки вовсе не обязательно стало быстрее.
«По сути, мы обнаружили, что узкие места теперь перемещаются на следующие этапы работы», — сказал Михай Кодряну, старший научный экономист Google и соавтор исследования.
ИИ уже экономит время, и ожидается, что в будущем он будет экономить еще больше. Но автоматизация задачи не означает, что на этом расчет эффективности заканчивается. Часто она лишь открывает новый этап рабочего процесса.
Например, технологические компании могут использовать ИИ, чтобы создавать тысячи строк программного кода в час. Однако Amazon и другие компании по-прежнему требуют, чтобы этот код проверял человек. Общая эффективность их работы зависит теперь не столько от того, сколько кода можно создать, сколько от того, способны ли люди убедиться, что он действительно работает так, как задумано.
Исследователи из MIT и Уортонской школы бизнеса проанализировали данные разработчиков GitHub. Они обнаружили, что новые ИИ-инструменты для программирования значительно увеличили объем активности разработчиков, «но выигрыш резко сокращается по мере перехода от написания кода к выпуску готового программного обеспечения».
Исследователи пришли к выводу: «Главное ограничение объема выпуска программного обеспечения смещается от написания кода к тем этапам, которые по-прежнему выполняют люди: проверке, объединению компонентов, тестированию и выпуску продукта».
В некоторых случаях качество работы может повышаться, но сама работа не становится легче.
«Очень интересно посмотреть, как проходит обычный рабочий день инвестиционного банкира», — говорит Александра Мусавизаде, экономист и руководитель компании Evident Insights, которая отслеживает внедрение ИИ в финансовом секторе. «Они работают даже больше часов, чем когда-либо прежде, потому что теперь можно сделать больше. Но нужно и больше проверять. Появляются новые продукты, а клиенты начинают ожидать большего, потому что конкурирующий банк уже предлагает все эти новые, продвинутые решения».
По словам Мусавизаде, сейчас именно банки, которые больше всего инвестировали в ИИ, активнее других нанимают новых сотрудников.
Время, необходимое человеку для проверки результатов ИИ, зависит от конкретной задачи, объясняет Айон Стоика, профессор информатики Калифорнийского университета в Беркли.
Одни задачи сложно решить, но легко проверить. Например, можно быстро убедиться, что лабиринт пройден правильно. Другие требуют обработки большого объема информации и субъективных оценок, которые даже эксперт не всегда способен полностью сформулировать или объяснить. Например, хороший ли это договор? Именно такие задачи требуют более пристального человеческого контроля.
Почему бы не использовать один ИИ для проверки работы другого? В некоторых случаях это действительно работает. Но если речь идет об экспертных знаниях, которые еще не удалось формализовать и заложить в систему, возникают проблемы. Как объяснил Каталини из MIT, «все слепые зоны будут полностью совпадать у ИИ, который вы используете для выполнения задачи, и ИИ, который вы используете для ее проверки».
По словам Стоики, по мере того как модели ИИ будут лучше осваивать определенные задачи, узкие места, связанные с участием человека, тоже будут меняться. Проверка результатов потребует все более высокого уровня квалификации.
«Вы не можете проверить результат, если не понимаете саму задачу», — говорит Стоика.
Тим Уолш, председатель совета директоров и генеральный директор KPMG в США, заявил, что в каждом автоматизированном компанией процессе предусмотрена проверка человеком. По его словам, он пока не готов доверить ИИ-агентам проверку работы других ИИ-агентов с последующим использованием результатов в бизнесе.
ИИ сделает компанию быстрее, считает Уолш. «Но все это имеет свою цену. Это не выключатель, который достаточно щелкнуть, чтобы все заработало».