Недавно одна исследовательская организация обнаружила, что к 2035 году в Великобритании из-за ИИ может быть потеряно до трех миллионов низкоквалифицированных рабочих мест. В настоящее время циркулирует множество подобных исследований, утверждающих, что огромные пласты мирового рынка труда будут заменены ИИ, но все они, кажется, упускают нечто совершенно важное - влияние, которое окажет такое внедрение ИИ.

Видите ли, у ИИ есть серьезная проблема с навыками. Дело не в том, что ИИ не обладает ими (хотя он определенно не обладает, но это тема для другого разговора). Нет, дело в том, что он усугубляет и без того плачевные проблемы с навыками в совр��менной экономике.

Это внедрение ИИ не приведет к отделению экономического роста от рабочей силы, как это провозглашается. Вместо этого оно ухудшит квалификацию рабочей силы в целом и нанесет катастрофический экономический ущерб. Позвольте мне объяснить.

ИИ на самом деле повышает производительность только для «низкоквалифицированных» работ, таких как ведение записей на совещаниях и предоставление услуг клиентам. В конце концов, ИИ постоянно ошибается. Ошибки, которые он делает, называются галлюцинациями, хотя это просто вопиющая PR-попытка антропоморфизировать машину вероятности.

Но прежде чем мы углубимся в то, как ИИ может подорвать мировую экономику в будущем, не будем забывать, что прямо сейчас это всё ещё мощный инструмент для упрощения вашей повседневной работы.

Делегируйте часть рутинных задач вместе с BotHub! Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!

Но эти ошибки делают использование ИИ для расширения квалифицированных задач невероятно сложным. В конечном счете, квалифицированному работнику требуется огромное количество времени и усилий, чтобы контролировать ИИ, используемые таким образом, выявлять их ошибки и исправлять их.

Фактически, потерянное время и затраты на надзор за ИИ чаще всего превышают то, что было сэкономлено благодаря ему. Это одна из основных причин, по которой Массачусетский технологический институт обнаружил, что 95% пилотных проектов ИИ не дали положительных результатов, и почему METR обнаружил, что инструменты кодирования на основе ИИ фактически замедляли работу квалифицированных кодеров.

Эта проблема также не исчезнет. Специалисты по данным годами знали, что ИИ - это всего лишь машина вероятности с уменьшающейся отдачей и поэтому всегда будет иметь вероятность ошибиться. Фактически, OpenAI недавно признала в своем последнем исследовательском документе, что больше данных и больше вычислительной мощности не уменьшат уровень галлюцинаций, и что в настоящее время также нет жизнеспособного способа сделать это.

Однако эти галлюцинации не являются такой большой проблемой для этих «низкоквалифицированных» работ и задач. Люди, выполняющие эти работы, часто неопытны и совершают ошибки, но это нормально, потому что работа затем передается квалифицированным работникам. В этих приложениях ИИ сглаживает результаты низкоквалифицированных работников, облегчая их использование высококвалифицированными работниками. Например, ИИ, ведущий записи на совещании, может допустить некоторые ошибки, но может сделать их меньше, чем кто-то с плохим опытом корпоративного языка.

Хорошо, значит, ��И может дополнять или автоматизировать эти «низкоквалифицированные» задачи или рабочие места?

Ну, может. Но это наносит большой ущерб благодаря когнитивной разгрузке, эрозии навыков и блокированию генерации опыта.

Предположим, квалифицированный работник использует ИИ для автоматизации «низкоквалифицированной» задачи. Когнитивная нагрузка такой задачи снята, и их производительность увеличивается. Отлично!

Но, как и мышца, опыт необходимо использовать, чтобы оставаться сильным. Таким образом, этот работник потеряет опыт в этой области и станет более зависимым от ИИ. К сожалению, это означает, что они потеряют опыт, необходимый для нахождения и исправления галлюцинаций ИИ. Затем ущерб наносится ниже по течению, поскольку эти ошибки передаются дальше.

Эта проблема усугубляется еще больше, если все квалифицированные работники в организации используют ИИ таким образом, поскольку эрозии подвергаются не только навыки отдельного человека, но и коллективный опыт организации. В действительности, если ИИ внедряется в масштабах всей организации, он может полностью уничтожить необходимые экспертные знания. Фактически, исследования уже обнаружили доказательства того, что это происходит. Излишне говорить, что долгосрочный ущерб от такой эрозии навыков может быть разрушительным.

Но это усугубляется еще больше тем фактом, что компании, занимающиеся ИИ, обновляют модели, что может привести к тому, что старые промпты больше не будут работать. Если эрозия навыков достаточно серьезна, то у работника или организации может не остаться опыта, чтобы выяснить, какие новые промпты работают.

Небольшое примечание: причина, по которой я беру «низкоквалифицированный» в кавычки, заключается в том, что «низкоквалифицированной» работы не существует. То, что мы считаем низкоквалифицированным, например, ввод данных или обслуживание клиентов, часто требует критического опыта в том, как функционирует организация, определенного таланта в работе с программным обеспечением или серьезных навыков общения с людьми. Вот почему даже «низкоквалифицированные» работники по-прежнему требуют значительного обучения при приеме на новую работу. Но я также считаю, что термин «низкоквалифицированный» плохо определен, и многие рабочие места с удивительно высокой технической квалификацией классифицируются как низкоквалифицированные и активно заменяются ИИ.

Таким образом, даже если вы попытаетесь дополнить или автоматизировать ИИ только «низкоквалифицированные» задачи и работы, эта эрозия навыков может вызвать потенциально фатальное разрушение опыта.

Хорошо, а как насчет дополнения людей на «низкоквалифицированных» работах? Данные показывают, что это может повысить производительность.

Ну, да, но исследования также показывают, что когнитивная разгрузка этих задач предотвращает приобретение этими работниками опыта и становление квалифицированными. Давайте не будем забывать, что стажер или выпускник, ведущий записи на совещании, учится тому, как работает корпорация, и находится на пути к тому, чтобы стать менеджером или руководителем. Подавляющее большинство высококвалифицированных работников начинают с этих должностей, и опыт, который они получают от них, является ключом к их продвижению.

Таким образом, автоматизируя или даже просто дополняя «низкоквалифицированные» рабочие места, организация душит свой внутренний талант и предотвращает развитие внутреннего опыта. Не будет преувеличением сказать, что это может погубить, и уже погубило, бизнес. Если целая отрасль использует ИИ подобным образом, это может вызвать серьезную нехватку талантов в масштабах всей экономики, которая нанесет огромный ущерб и займет годы на устранение.

По сути, ИИ на рабочем месте далеко не такой хороший инструмент повышения производительности, как обещают, и эта проблема не будет решена в ближайшее время. Единственные места, где ИИ может быть развернут для повышения производительности, также разрушают критически важные навыки и серьезно повреждают целую организацию или отрасль.

И проблема навыков ИИ уходит еще глубже.

Можно подумать, что менеджеры и руководители смогут увидеть эту проблему с ИИ. Конечно, поскольку они обладают опытом в своей работе, они смогли бы признать, что ИИ не является эффективным инструментом повышения производительности и что он делает их работников глупее?

Но они этого не делают.

На протяжении десятилетий исследования показывали, что менеджеры и руководители часто не обладают техническими навыками, необходимыми для полного понимания работ, которыми они управляют. Вместо этого они являются экспертами в эффективности. Действительно, многие из них имеют степени в области бизнеса и не имеют ощутимого или актуального опыта в секторе, которым они руководят.

Это означает, что они смотрят на эти инструменты ИИ через ту же призму, что и «низкоквалифицированные» работники. Им не хватает опыта, чтобы определить, когда эти инструменты ошибаются и какой ущерб они могут нанести. Это также означает, что они плохо оснащены, чтобы заметить, когда их рабочая сила теряет ценные навыки, пока не станет слишком поздно. Другими словами, многие организации, которые внедряют ИИ для дополнения или автоматизации этих «низкоквалифицированных» работ, слепы к его проблемам и обнаружат, что что-то не так, только когда будет слишком поздно, чтобы остановить эрозию навыков, и ущерб станет мучительно очевидным.

Хорошо, так какое же решение?

Ну, мы можем потратить время на признание ограничений ИИ и его влияния на навыки. Но это не основная проблема.

ИИ каким-то образом сосредоточен на манипулировании недостатками нашей современной экономики в том, как она относится к навыкам. Современные сильно вертикальные корпоративные иерархии отделяют лиц, принимающих решения, от квалифицированных работников, делая организационные процессы принятия решений не только менее справедливыми, но и менее информированными. Это, в сочетании с безжалостным стремлением к краткосрочной эффективности, также означает, что корпорации не развивают работников и не дают им возможность стать квалифицированными. В этом экономическом и корпоративном ландшафте ИИ может замаскировать свои пагубные недостатки, внедрить себя и стать кукушкой в гнезде.

Никакой уровень осведомленности об ИИ не может противодействовать этой структурной слабости.

Итак, решение очевидно.

• Работники должны объединиться в профсоюзы, чтобы у лиц, принимающих решения, был единый голос опыта, чтобы сделать их осведомленными и привлечь их к ответственности.

• Организации должны принять более горизонтальную структуру, сближая лиц, принимающих решения, и работников и работая совместно, а не иерархически, делая процесс принятия решений более информированным и более справедливым.

• Корпорации должны прекратить "геймификацию" своих акций и сосредоточение внимания на следующем квартале, и вместо этого сконцентрироваться на глубоком, долгосрочном росте, чтобы оправдать инвестиции в своих работников.

Один из способов сделать это - не выходить на биржу, или, что еще лучше, стать рабочим кооперативом.

Если эти реформы будут приняты во всем мире, то наша экономика будет защищена от эрозии навыков ИИ и ее пагубных последствий. Она также может сосредоточиться на достижении фактического роста производительности, быть гораздо более устойчивой и гораздо более справедливой.

Проблемы ИИ - это вовсе не проблемы ИИ, а то, насколько сломана наша современная экономика.

ИИ просто держит зеркало, чтобы мы могли заметить трещины.

Вопрос в том, хватит ли нам смелости посмотреть в зеркало и признать, что виноваты мы сами?