Аарон Леви, глава компании Box, полагает, что мы находимся в начале грандиозного технологического сдвига, который он сравнивает с рождением компьютерной эпохи и Всемирной паутины. Он призывает взглянуть на развитие ИИ как на процесс, полный парадоксов, но обладающий невероятной экономической ценностью. Что говорит?
— Парадоксальный разговор о ценности. Леви отмечает, что дискуссии вокруг ИИ носят «шизофренический» (парадоксальный) характер. С одной стороны, люди говорят о «пузыре» (завышенные оценки, безумные инвестиции в центры обработки данных и избыточные мощности), а с другой — о том, что ИИ «слишком опасен и слишком мощный» и уничтожит все рабочие места. Обе эти крайности (пузырь и тотальное разрушение) не могут быть истинными одновременно, и это отражает неспособность общества сразу оценить реальную экономическую траекторию
— Текущий этап — это эпоха Mosaic и Netscape. Мы находимся в самом начале пути развития ИИ. Аарон Леви сравнивает это время с периодом, когда только зарождалась Всемирная паутина, известная в ранние годы как Mosaic и Netscape. Это момент, когда все только начинают понимать, как ИИ-системы должны взаимодействовать друг с другом. Примером такой новизны является протокол MCP (Model Context Protocol), позволяющий одной модели ИИ общаться с другой, который существует всего около года и постоянно обновляется. Мы, по сути, заново изобретаем базовые правила, вроде HTML.
— ИИ – это в первую очередь инструмент для интеллектуального труда. ИИ — это инструмент, как и многие другие технологии в истории, но у него есть уникальная особенность: он помогает в умственном труде. Это дает ему огромную силу, поскольку он способен автоматизировать задачи, которые ранее требовали участия человека.
— Самостоятельное создание ИИ-систем (DIY) почти невозможно. Для большинства компаний попытка создать собственные, с нуля, ИИ-системы (например, аналог платформы Box AI) является невероятно сложной задачей. Придется собрать воедино десятки различных технологий. Поэтому компании, которые пытаются внедрять ИИ самостоятельно, часто сталкиваются с низким уровнем успеха.
— Выход — это готовые прикладные решения. Чтобы избежать трудностей, связанных с самостоятельным созданием ИИ (так называемой «дилеммы Тима Бернерса-Ли»), компаниям следует покупать готовые, специализированные, прикладные решения. Эти решения уже созданы для конкретных задач, и их использование приводит к гораздо более высокому уровню успеха.
— Аналогия книготорговца: не меняешься — проигрываешь. Просто добавить чат-бота или статическую ИИ-функцию в свой продукт недостаточно — это как разместить бумажную брошюру на статичной веб-странице в 90-е годы. Успешные компании (как Amazon, когда она только появилась) не просто выставляли каталог в интернете, они переосмысливали всю цепочку поставок, логистику, обслуживание клиентов. Если вы не меняете свои бизнес-процессы, включая в них ИИ, очень скоро вас обойдут молодые компании, которые изначально построены с учетом возможностей ИИ.
— Появление «ИИ-ориентированных» сервисных компаний. В ближайшем будущем возникнут новые типы компаний, которые будут заниматься предоставлением услуг, но их преимущество будет в том, что они просто лучше используют ИИ. Например, они могут использовать агентов для написания кода гораздо эффективнее, чем традиционные системные интеграторы. Это позволит им выполнять проекты быстрее и дешевле, что приведет к вытеснению обычных сервисных фирм.
— ИИ обладает невероятно широким рынком (100% от общего объема рынка). ИИ — это, возможно, первая технология в истории, чей общий объем рынка (потенциальные пользователи) включает буквально каждого человека и каждое предприятие на планете. В отличие от таких продуктов, как iPhone, где расходы на устройство ограничены, ИИ может приносить огромную ценность во всех сферах.
— ИИ позволяет устанавливать высокую цену. ИИ-решения могут стоить в десятки раз дороже, чем самое дорогое традиционное программное обеспечение (например, $2,000 в месяц за инструмент для кодирования). Люди готовы платить эту высокую цену (которая может составлять, например, 10% от зарплаты инженера), потому что ИИ может удвоить их производительность.
— Парадокс Джевонса: спрос на труд не является фиксированным. Распространенное заблуждение — думать, что если ИИ удвоит производительность инженеров, то экономике потребуется вдвое меньше инженеров. Это неверно, потому что спрос на программное обеспечение (или на медицинские услуги, или на юридические услуги) не является фиксированным. Снижение стоимости создания программного обеспечения (или оказания услуг) взрывным образом увеличивает общий спрос, открывая новые возможности, которые были невозможны раньше.
— Рост спроса на услуги благодаря снижению стоимости. Если стоимость создания чего-либо (например, кода или обработки медицинских данных) падает вдвое, спрос на это вырастает непропорционально сильнее. Например, снижение затрат позволяет инженерам по продажам создавать персонализированные прототипы программного обеспечения для клиентов в процессе продаж, чего они не делали до появления ИИ, потому что это было слишком дорого. То же самое произойдет в здравоохранении, где повышение эффективности (за счет сокращения бумажной работы для врачей) приведет не к сокращению числа врачей, а к возможности принимать больше пациентов, удовлетворяя скрытый спрос.
— Улучшения моделей идут с невероятной скоростью. Прогресс в возможностях ИИ-моделей (таких как Gemini) демонстрирует, что нет никакого замедления. В тестах на сложное мышление (например, анализ документов и ответы на сложные вопросы для финансового аналитика), улучшения могут составлять десятки процентов за год. Кроме того, фокус смещается с абстрактных математических тестов на реальные, экономически значимые задачи, имитирующие работу юристов, консультантов или врачей.
— Наиболее уместная для разговора идея — это так называемый «парадокс производительности», о котором говорил экономист Роберт Солоу. В 1987 году он заметил, что «компьютерную эпоху видно повсюду, кроме статистики производительности». В те годы лишь небольшая группа людей действительно понимала, насколько сильно компьютеры вот-вот изменят экономику и повседневную жизнь. С искусственным интеллектом происходит то же самое. Помимо эффектных потребительских чатботов, ИИ в основном работает «за кулисами» — помогает компаниям ускорять процессы и делать их эффективнее. Чтобы генеративный ИИ, вроде больших языковых моделей, работал надежно, бизнесу приходится строить вокруг него сложную инфраструктуру. Со временем эта «опорная конструкция» новой технологической волны выходит за пределы узких профессиональных областей и начинает влиять на широкие массы — и именно тогда перемены становятся ощутимыми для большинства людей. Сейчас мы находимся внутри, возможно, самой мощной технологической волны в истории. Но одновременно ее можно воспринимать как продолжение старой доброй «компьютерной эпохи».
**