В эпоху тотальной одержимости искусственным интеллектом, кажется, что мир стоит на пороге невиданной революции. Но что, если все ошибаются? Бенедикт Эванс, аналитик с многолетним опытом наблюдения за технологическими сдвигами, предлагает шокирующий взгляд: ИИ – это лишь «самое большое событие со времен iPhone», а не «электричество» или «промышленная революция». Эта мысль переворачивает с ног на голову общепринятые представления о масштабе изменений. По его мнению, через 10-15 лет ИИ станет обыденным элементом программного обеспечения, как автоматический лифт, который никто уже не называет «автоматическим». Новые платформы всегда сопровождаются заявлениями «на этот раз все по-другому», но история показывает, что неопределенность остается. Мы забываем, насколько «странными» казались прошлые инновации, которые теперь стали частью нашей жизни.
Наш старый умный знакомый Бенедикт Эванс, бывший партнер венчурной компании Andreessen Horowitz, один из наиболее влиятельных независимых технологических аналитиков в мире, не считает ИИ чем-то принципиально новым, что перевернет всю историю человечества, а скорее видит в нем лишь следующую веху развития. Идеи Эванса вызвали раздражение, неприятие в ИИ-среде и недовольное удивление, поскольку они предлагают более скептический, порой исторически обоснованный и прагматичный взгляд на ИИ, который часто отличается от идеалистических или панических настроений, преобладающих в публичном поле.
Что говорит?
— ИИ — это очередная смена платформы, а не какая-то вселенская революция. Хотя ИИ, безусловно, является одним из самых значительных событий со времен появления iPhone, его следует рассматривать как очередную смену платформы, а не как нечто, сопоставимое с электричеством или промышленной революцией. Это означает, что в ближайшие 10-15 лет новые продукты будут строиться вокруг этой технологии, после чего, вероятно, появится что-то новое. Влияние на занятость и экономику, а также на интеллектуальную собственность, по мнению Эванса, будет аналогично тому, что наблюдалось при предыдущих технологических переходах. Через десятилетие ИИ, скорее всего, станет просто еще одним элементом программного обеспечения, незаметно встроенным во множество продуктов.
— Постоянная неопределенность в начале каждой технологической волны. При каждой крупной технологической трансформации всегда звучат заявления о том, что «на этот раз все по-другому». Да, каждая смена платформы действительно имеет свои уникальные особенности, но фундаментальные паттерны неопределенности и развития остаются неизменными. Важно помнить, что новизна не означает полного отсутствия исторических параллелей или предсказуемости в некоторых аспектах. Подобное мышление часто мешает объективно оценивать будущие вызовы и возможности, заставляя забывать об уроках прошлого.
— Неопределенность будущего технологий, несмотря на кажущуюся очевидность. В начале каждой новой эры, будь то «киберпространство» 1990-х годов или появление мобильного интернета, было ясно, что грядет что-то грандиозное. Однако никто не мог предсказать, как именно это будет работать, какие технологии окажутся доминирующими (например, веб-браузеры, а не электронная почта), кто станет лидерами рынка (поисковая реклама и социальные сети, а не Microsoft в браузерах) и кто потеряет свои позиции (Nokia, Microsoft в мобильном мире). Подобная же фундаментальная неопределенность окружает и ИИ сегодня, когда мы видим общую перспективу, но не детали ее реализации.
— Мы забываем «странность» прошлых инноваций. Эванс приводит пример автоматических лифтов, появившихся в 1950-х годах. Тогда они были чем-то новаторским и необычным, оснащенным «электронной вежливостью», которая предотвращала закрытие дверей. Сегодня же мы просто пользуемся лифтами, не задумываясь об их «автоматичности». Точно так же, по его мнению, произойдет и с ИИ. Сейчас он кажется нам «странным, непонятным и новым» в различных аспектах, но со временем станет настолько обыденным и интегрированным, что мы перестанем замечать его особенность, как будто он стал частью «воздуха, которым мы дышим».
— Действующие компании стремятся поглотить новое как «функцию». Исторический опыт показывает, что крупные, устоявшиеся компании при появлении прорывных технологий всегда пытаются интегрировать их в свой бизнес, рассматривая как дополнительную «функцию» или инструмент для автоматизации существующих процессов. Они стараются не разрушать свои прибыльные направления. Однако настоящие платформенные сдвиги часто приводят к появлению новых игроков, которые «распутывают» и переопределяют существующие бизнес-модели благодаря возможностям новой технологии, создавая что-то совершенно новое.
— «Парадокс компании Kodak»: неверное понимание угрозы. История компании Kodak часто приводится как пример неспособности адаптироваться к цифровым технологиям. Однако Kodak не игнорировала цифровые камеры; они активно разрабатывали их и одно время были лидерами по продажам в США. Их ошибка заключалась в том, что они не поняли истинную угрозу: не саму цифровую камеру, а смартфоны, социальные сети и исчезновение потребности в печати фотографий. Кроме того, высокомаржинальный бизнес на фотопленке был заменен низкомаржинальным рынком цифровых камер, где не было уникального преимущества, что привело к их краху.
— Угроза для Google заключается в сбросе пользовательских привычек. Основная угроза для Google со стороны ИИ не в том, что их поисковик станет хуже, а в том что пользователи начнут пересматривать свои приоритеты и стандартные настройки. ИИ-чат-боты могут стать новым «поисковым окном по умолчанию», даже если традиционный поиск Google остается лучшим. Это создает ситуацию «обнуления игрового поля», где Google, обладая множеством реальных преимуществ, должен заново бороться за пользователя, предлагая новый продукт и структуру продаж.
— Данные для больших языковых моделей становятся общедоступным ресурсом. Эванс утверждает, что для эффективного обучения больших языковых моделей требуется настолько колоссальный объем обобщенного текстового контента, что ни одна компания, даже такая гигантская, как Google или Meta, не обладает достаточным уникальным преимуществом в данных. Значительная часть необходимого текста либо уже общедоступна, либо может быть собрана любой компанией с достаточными ресурсами. Это делает данные своеобразным «равным игровым полем» для всех разработчиков LLM, поскольку объем и тип данных, необходимых для моделей общего назначения, доступны для большинства игроков. Вопреки распространенному мнению, что такие компании, как Google, обладают неким уникальным «секретным оружием» в виде огромных объемов проприетарных данных, у них нет здесь решающего преимущества.
Значительная часть людей до сих пор «не понимает» ИИ и не использует потребительские LLM регулярно. Несмотря на постоянную шумиху в СМИ, Эванс приводит данные опросов, согласно которым лишь около 10% людей используют потребительские чат-боты ИИ ежедневно, и еще 15-20% — еженедельно. Около 20-30% людей попробовали и «не поняли», как это использовать. Это может быть шокирующим для тех, кто думает, что ИИ уже повсеместно проник в повседневную жизнь.
— Остерегайтесь преувеличений об «интеллекте» ИИ. Эванс призывает крайне осторожно относиться к сенсационным заголовкам и заявлениям о том, что ИИ «угрожает» или «проявляет злой умысел». Он объясняет, что многие такие «пугающие» сценарии возникают, когда пользователя просят ИИ создать историю или ответить на гипотетическую ситуацию. Машина лишь генерирует правдоподобный ответ, основанный на том, что она «знает» о человеческом поведении и шаблонах, а не проявляет самостоятельную волю или сознание. Это похоже на то, как если бы ксерокс, сделавший копию фразы «убийство — это хорошо», сам «одобрял» убийство.
— Регулирование ИИ должно быть ориентировано на конкретные применения, а не на саму технологию. Попытки регулировать «ИИ как ИИ» в целом Эванс считает «неправильным уровнем абстракции», сравнивая это с регулированием «баз данных» или «таблиц». Вместо этого, по его мнению, необходимо сосредоточиться на регулировании конкретных применений технологии и их потенциальных последствий, как это происходит с автомобилями или лекарствами. Важно помнить, что любое регулирование влечет за собой компромиссы и издержки, и необходимо четко понимать, какие цели преследуются, выбирая между защитой и развитием.
— Ключевая дифференциация LLM для потребителей — это бренд и дистрибуция. На сегодняшний день, если провести слепой тест, большинство людей не смогут отличить результаты разных больших языковых моделей (например, Grok, Claude, Gemini, Mistral, Deep Seek). Эванс считает, что модели сами по себе становятся «товаром», а успех таких продуктов, как ChatGPT, объясняется сильным брендом и превосходной дистрибуцией. Пользователи выбирают ChatGPT потому, что это узнаваемый бренд, ставший «поисковиком по умолчанию» в этой нише, аналогично тому, как это произошло с веб-браузерами, где инновации в основном сводились к незначительным функциям, а доминирование определялось дистрибуцией и именем.
— Отсутствие явных сетевых эффектов у LLM (пока что). В отличие от многих успешных технологических платформ (операционные системы, поисковые системы, социальные сети), где большее количество пользователей приводит к улучшению продукта за счет обратной связи или сетевых эффектов, для больших языковых моделей пока не наблюдается такого очевидного самоподдерживающегося цикла. Хотя это может измениться в будущем (например, за счет систем памяти, которые «помнят» предыдущие запросы), на данный момент нет прямой зависимости между количеством пользователей LLM и фундаментальным улучшением самой модели. ИИ очень полезен для задач, где приемлем «примерно правильный» или «достаточно хороший» ответ (мозговой штурм, написание черновиков), но не для задач, требующих абсолютной точности (о чем мы на FST постоянно говорим: ИИ пока бесполезен для реальной аналитики).
**