Нью-Йоркский журнал: Прибыльные проблемы искусственного интеллекта и исторические уроки Автор: Джон Кэссиди В 1987 году лауреат Нобелевской премии по экономике Роберт Солоу из Массачусетского технологического института (M.I.T.) в статье для «Таймс Литерари Супплемент» заметил: «Эпоха компьютеров повсюду, кроме статистики производительности». Несмотря на то, что в то время вычислительные мощности стремительно росли, а персональные компьютеры становились все более распространенными, правительственные данные показывали, что ключевой показатель, измеряющий зарплаты и уровень жизни — валовая продуктивность труда — оставался на месте более десяти лет. Это стало известно как знаменитая «парадокс производительности» (productivity paradox). Этот парадокс продолжался до 90-х годов прошлого века и даже дольше, вызвав множество противоречивых академических исследований. Некоторые экономисты связывали это с плохим управлением новыми технологиями; другие считали, что компьютеры не могут сравниться с экономическим значением таких ранних изобретений, как паровая машина и электричество; некоторые же обвиняли в этом ошибки в статистике, полагая, что после исправления парадокс исчезнет. Спустя почти 40 лет после публикации статьи Солоу, с момента выпуска OpenAI чат-бота ChatGPT почти три года назад, мы, возможно, сталкиваемся с новым экономическим парадоксом, на этот раз с участием генеративного искусственного интеллекта (generative artificial intelligence). Согласно недавнему исследованию экономистов Стэнфордского университета, Университета Клемсона и Всемирного банка, в июне и июле этого года почти половина работников (точнее, 45,6%) использовали инструменты ИИ. Однако новая работа команды из медиа-лаборатории Массачусетского технологического института (M.I.T.) сообщила о шокирующем результате: «Несмотря на то, что компании вложили от 30 до 40 миллиардов долларов в генеративный ИИ, 95% организаций не получили никакой отдачи». Авторы исследования проанализировали более 300 публичных проектов и объявлений об ИИ и опросили более 50 руководителей компаний. Они определили «успешные инвестиции в ИИ» как те, которые вышли за рамки пилотной стадии и были фактически внедрены, а через шесть месяцев принесли измеримую финансовую отдачу или значительное повышение производительности. Они написали: «Только 5% успешно интегрированных пилотных проектов ИИ создают миллионы долларов стоимости, в то время как подавляющее большинство проектов по-прежнему не движется вперед и не оказывает никакого измеримого влияния на P&L (то есть 'отчет о прибылях и убытках', profit-and-loss)». Результаты опроса вызвали ряд реакций, некоторые из которых были полны скептицизма. «На LinkedIn все выглядит так, будто все изменилось, но в нашей реальной работе ничего не изменилось», — сказал главный операционный директор одной средней производственной компании исследователям. «Мы немного ускорили обработку контрактов, но и только». Другой респондент прокомментировал: «В этом году мы посмотрели десятки демонстраций. Возможно, одна или две действительно полезны. Остальные либо 'обертки' (wrappers, то есть просто упакованные существующие технологии без существенных инноваций), либо 'научные проекты' (технологические исследования, далекие от реального коммерческого применения)». Справедливости ради, отчет также указывает на то, что некоторые компании действительно сделали успешные инвестиции в ИИ. Например, отчет подчеркивает эффективность специализированных инструментов для бэк-офисных операций и отмечает: «Эти ранние результаты показывают, что обучаемые системы, если они нацелены на конкретные процессы, действительно могут приносить реальную ценность, даже без значительных организационных изменений». Опрос также упоминает, что некоторые компании сообщают о том, что «автоматизация внешних связей и интеллектуальные системы последующего взаимодействия повысили уровень удержания клиентов и коэффициент конверсии продаж», что указывает на то, что системы ИИ могут быть полезны для маркетинга. Тем не менее, мнение о том, что «многие компании испытывают трудности с получением существенной отдачи», совпадает с результатами другого недавнего опроса международной консалтинговой компании Akkodis. После опроса более 2000 руководителей компаний было обнаружено, что доля CEO, которые «очень уверены» в стратегии внедрения ИИ своей компании, упала с 82% в 2024 году до 49% в этом году. Уверенность главных технических директоров также снизилась, хотя и не так значительно. Опрос Akkodis утверждает, что эти изменения «могут отражать разочаровывающие результаты предыдущих цифровых или ИИ проектов, задержки или неудачи в реализации, а также опасения по поводу масштабируемости (scalability)». На прошлой неделе сообщения о исследовании медиа-лаборатории Массачусетского технологического института совпали с падением акций высоко оцененных компаний, связанных с ИИ, таких как Nvidia, Meta и Palantir. Конечно, корреляция не равняется причинно-следственной связи, и недавние высказывания генерального директора OpenAI Сэма Олтмана (Sam Altman) могли сыграть более важную роль в этой распродаже (учитывая недавний рост цен, распродажа была неизбежна). По данным CNBC, Олтман на ужине с журналистами заявил, что текущая оценка «безумно высока» (insane) и трижды использовал слово «пузырь» (bubble) за 15 секунд. Тем не менее, исследование Массачусетского технологического института привлекло большое внимание. После первого раунда новостных сообщений появились сообщения о том, что медиа-лаборатория, связанная со многими технологическими компаниями, тихо ограничивает доступ к этому отчету. Я оставил сообщения в пресс-офисе этой организации и двум авторам отчета, но они остались без ответа. Хотя этот отчет более тонкий, чем описывают некоторые новостные сообщения, он, безусловно, ставит под сомнение грандиозный экономический нарратив, поддерживающий технологический бум с момента выпуска ChatGPT от OpenAI в ноябре 2022 года. Упрощенная версия этого нарратива такова: широкое распространение генеративного ИИ неблагоприятно для работников (особенно для работников умственного труда), но крайне выгодно для компаний и их акционеров, поскольку оно приведет к огромному скачку производительности и, следовательно, к значительной прибыли. Почему это еще не произошло? Одна из возможных причин напоминает точку зрения, существовавшую в 80-х и 90-х годах, что ошибки в управлении ограничивают производственные выгоды, которые могут принести компьютеры. Исследование медиа-лаборатории показало, что некоторые из самых успешных инвестиций в ИИ были сделаны стартапами, которые использовали высоко специализированные инструменты в узких областях рабочих процессов. А с другой стороны «разрыва генеративного ИИ» (GenAI Divide) менее успешные стартапы «либо строят универсальные инструменты, либо пытаются развивать внутренние возможности». Отчет более обобщенно указывает, что различие между успехом и неудачей «похоже, не определяется качеством модели или регулированием, а определяется (методом) внедрения». Можно предположить, что новизна и сложность генеративного ИИ могут отпугнуть некоторые компании. Недавнее исследование консалтинговой компании Gartner показало, что менее половины CEO верят, что их главные информационные директора «разбираются в ИИ». Но для разочаровывающих результатов, выделенных в отчете медиа-лаборатории, есть и другое возможное объяснение: для многих зрелых компаний генеративный ИИ (по крайней мере, в его текущей форме) вовсе не так хорош, как его рекламируют. «Он отлично подходит для мозговых штурмов и написания черновиков, но не запоминает предпочтения клиентов и не учится на предыдущих редактированиях», — сказал один из респондентов, участвовавших в исследовании медиа-лаборатории. «Он будет повторять одни и те же ошибки, и каждый раз потребуется вводить много контекста (context). Для высокорисковых задач мне нужна система, которая может накапливать знания и постоянно улучшаться». Конечно, многие люди находят ИИ полезным, и этому есть академические доказательства: в 2023 году два экономиста из Массачусетского технологического института обнаружили, что участники, использующие ChatGPT, быстрее справлялись с «профессиональными письменными заданиями», а качество их написания также улучшалось. В том же году другие исследовательские группы также обнаружили, что программисты, использующие Copilot от Github (инструмент ИИ для программирования), а также агенты поддержки клиентов, использующие специализированные инструменты ИИ, добились повышения производительности. Исследователи медиа-лаборатории обнаружили, что многие сотрудники используют свои личные инструменты, такие как GPT или Claude; отчет назвал это явление «экономикой теневого ИИ» (shadow AI economy) и прокомментировал, что «возврат инвестиций (ROI), который она приносит», часто превосходит результаты проектов, инициированных работодателями. Но вопрос все еще остается, и это определенно вопрос, который руководители компаний будут задавать все чаще: почему больше компаний не видят эти выгоды в конечной (корпоративной) прибыли? Частично проблема может заключаться в том, что, хотя генеративный ИИ привлекает внимание, его применение в многих областях экономики ограничено. Отрасли отдыха и гостиничного бизнеса, розничной торговли, строительства, недвижимости и ухода (за детьми, пожилыми людьми или людьми с ограниченными возможностями) — эти отрасли в совокупности нанимают около 50 миллионов американцев, но они не выглядят как прямые кандидаты на трансформацию с помощью ИИ. ...