Экономический анализ: как генеративный ИИ меняет производительность труда и перспективы профессий

На связи Алексей Мартынов и Денис Ларионов, мы продолжаем делиться актуальной аналитикой о генеративном ИИ. Предыдущую нашу статью с описанием текущего положения дел на рынке генеративного ИИ и прогнозом до 2032 года найдёте здесь.

Для тех, кто ещё не знаком с нами, представляюсь подробнее: Алексей Мартынов (автор этого текста), аналитик-эксперт, руководитель направления методологии продуктового маркетинга в компании «Цифрум» (Росатом) и мой коллега-соавтор – Денис Ларионов, эксперт в области нейроморфных вычислений, руководитель отдела ИИ компании «Цифрум» (Росатом).

На повестке социальная тема – производительность труда и перспективы профессий.

1999 г.: бывший председатель ФРС Пол Волкер сказал: «Судьба мировой экономики теперь полностью зависит от роста экономики США, который зависит от фондового рынка, на чей рост влияют акции примерно 50 компаний» [1].

2024 г.: технологии ИИ стали одним из важных триггеров фондового рынка. Оценочно, тема генеративного ИИ обеспечила 10 – 15 % (тема ИИ в целом обеспечила 25 – 35 %) роста S&P 500 в 2023 г. и остается в фокусе внимания инвесторов в 2024 г. [2] Десяток американских технологических компаний (Amazon, Nvidia, Microsoft и др.) являются локомотивами этого исторического роста.

 В отчетах некоторых аналитиков можно встретить и более значительные оценки влияния – до 2/3 роста капитализации рынка сформировали компании, имеющие прямое или косвенное отношение к ИИ из технологического сектора, торговли, финансовой и страховой сфер.

 За 25 лет (1999 – 2024 гг.) произошла монополизация фондового рынка и трансформация мира - активов, которые оказывают значительное влияние на фондовый рынок и благосостояние населения в целом.

Каталонский художник – сюрреалист Сальвадор Дали часть своих картин увидел во сне. Дали, сидя на стуле, держал металлический предмет в руках и засыпал. В какой-то момент предмет из рук с грохотом падал и будил художника. Мастер просыпался и мгновенно зарисовывал свои сны на бумагу. Автор советского олимпийского мишки В.А. Чижиков вспоминал: «Неожиданно мне приснился во сне медведь с поясом, содержащий нужные цвета и с олимпийскими кольцами в виде пряжки. Я тут же подскочил и все зарисовал. Если ты увидишь что-то во сне и тебе надо это хорошо запомнить, надо заставить себя проснуться, зарисовать и только в таком случае не забудешь свой сон». Если быть визионером, то каждый из нас немного Дали: после 2030 года можно ожидать распространение технологии нейроинтерфейсов, которая соберет образы из нашего подсознания в текстовый и иные форматы [3].

Прогресс человечества в различных областях является нелинейным, ключевая роль в ускорении может принадлежать одной или нескольким новациям. За последние 100 лет было открыто рентгеновское излучение и двойная структура ДНК, созданы антибиотики и инсулин, сделаны первые шаги на пути создания общего (сильного) ИИ, созданы атомная, космическая и другие промышленности [4].

Привычный нам уровень жизни базируется на технологиях, которые были созданы в ХХ веке. Важный вопрос текущего времени заключается в том, какое влияние генеративный ИИ (имея в виду такие сервисы как: chatGPT, Grok, Claude, Mistral, SORA, DALL-E, Midjourney, GigaChat и другие) окажет на производительность труда и характер работы: ускорит ли эта технология существующую тенденцию автоматизации без компенсирующего эффекта в виде создания качественных рабочих мест, или технология позволит внедрить новые дополняющие трудовые функции задачи для работников [5].

Компания McKinsey создала испытательный стенд —- лабораторию для тестирования эффектов, инструментов и разработок в части генеративного ИИ. 40 разработчиков в течение нескольких недель выполняли обычные задачи по разработке программного обеспечения в областях — генерация кода, рефакторинг, документация. Каждая задача выполнялась тестовой группой, имевшей доступ к двум инструментам на основе генеративного ИИ, и контрольной группой, которая не пользовалась помощью ИИ. Каждый разработчик участвовал в тестовой группе в выполнении половины заданий, а в контрольной группе - в другой половине. Для измерения времени, затраченного на выполнение каждой задачи, велось журналирование: разработчики записывали время начала, окончания и перерыва [6].

Обобщая полученные результаты, можно выделить основное: использование генеративного ИИ для простых (шаблонных / типовых) задач дает значительный прирост производительности (до 50%), при решении не типовых задач использование инструментов генеративного ИИ в настоящее время не показывает безальтернативной результативности (см. Рис. 1).

Выгоды использования генеративного ИИ непропорционально распределены между сотрудниками разной квалификации: преимущественные эффекты достаются менее опытным и низкоквалифицированным работникам. Генеративный ИИ минимально влияет на производительность более опытных или квалифицированных работников [7].

Рис.1. Эффективность применения генеративного ИИ для сокращения затраченного времени на выполнение задач в части написания программного обеспечения

Последствия применения генеративного ИИ для экономики и общества сейчас трудно оценить [8]. Аналитики, представители компаний (бенефициаров технологии) озвучивают разные оценки эффективности ИИ, основанные на замерах в лабораторных условиях, полученные при решении небольших задач, базирующиеся на экспертном мнении. Очевидно, что озвученные эффекты не тождественны результатам, получаемым при промышленном внедрении инструментов в реальное производство. Простое переложение расчетных эффектов в экономику является сильным упрощением системы.

Более того, развитие направления генеративного ИИ также осуществляется нелинейно (с нарастающим ускорением) и по мнению многих экспертов настоящие технологические прорывы еще впереди. Одной из популярных концепций, позволяющих взглянуть на направление генеративного ИИ в его развитии, является идея эмерджентности. Суть этой концепции в том, что наращивание вычислительных ресурсов в системе, может привести к появлению в ней принципиально новых качественных свойств, которые не закладывались в систему изначально.

Так случилось с моделью GPT, которая, решая задачу предсказания следующего слова в последовательности, обрела новые качественные свойства. Например, эта модель научилась переводить тексты с одного языка на другой, размышлять, сопоставлять факты и многое другое.

Однако, информация, полученная из текстов (и вообще говоря из языка) является весьма ограниченной, если мы хотим по-настоящему понимать (предсказывать) окружающий нас мир. Например, для того что бы предсказать, что у вошедшего в теплое помещение на шапке растает снег, люди не используют учебники физики с формализованными знаниями, они используют свой опыт наблюдения за миром, выделяя базовые закономерности (вроде той что снег тает в помещении). Грубо можно сказать, что они учатся на видео.

Становится очевидна идея – продемонстрировать эмерджентность на задаче, связанной не с текстами, а с видео. Это может быть предсказание следующего кадра, либо части текущего кадра. Как известно, обучение генеративных моделей на текстах стоит очень дорого, но обучение на видео стоит на порядки (более чем в сто раз) дороже. Именно с этим фактом связывают взрывной рост капитализации компаний, производящих аппаратное обеспечение для обучения. Первые ростки генеративного ИИ, работающего с видео уже появились – проект Sora.

Переход в направлении генеративного ИИ от текстов и картинок к видео и звуку окажет непредсказуемое влияния не только на экономику и промышленность, но и на общество в целом.

Если же посмотреть еще дальше, то эмерджентностью можно объяснить появление сознания в нервной системе человека при ее развитии выше некоторого порога. Такое мнение высказывает в своих недавних работах К. В. Анохин [9]. Однако, по мнению Яна ЛеКуна [10], мы еще очень далеко от создания общего ИИ, то есть эмерджентности на видео будет недостаточно для его создания.

В связи с этим оценки эффектов от внедрения генеративного ИИ требуют вдумчивого подхода, все цифры носят предварительный характер, так как никто не понимает, насколько далеко зайдет внедрение генеративного ИИ. 

2023 г.: исследователи из компании Absci Corporation показали, как модель генеративного ИИ смогла спроектировать несколько новых антител, которые связываются с рецептором-мишенью более тесно, чем ранее известные терапевтические антитела.  Показатели эффективности модели ИИ в 5-30 раз превышает исследованные биологические исходные показатели.  В данной работе важно то, что исследователи сначала удалили все эталонные данные об антителах, чтобы система не могла просто имитировать и воспроизводить структуру известных антител, которые хорошо работают. Дизайны, созданные генеративным ИИ, были разнообразными (это означает, что у них не было аналогов, о которых было известно, что они уже существуют), и их было легко разработать и, следовательно, катализировать сильный иммунный ответ [11, 12].

Постиндустриальный технологический уклад (5 и 5++ технологические уклады) подразумевают перераспределение занятости в высокомаржинальные сегменты и развитие «сервисной» модели экономики [13] при росте производительности труда.

Широко тиражируемый тезис о низкой производительности труда в РФ не находит подтверждения. Например, размер ВВП по покупательной способности на одного работающего в 2023 г. составил 75 тыс. долл. в РФ и 88 тыс. долл. в Японии, разница составляет менее 15 %.

За прошедшие 10 лет темп роста производительности труда в РФ находится на уровне развитых стран, таких как Франция, Германия, США (см. Таблицу 1).

Таблица 1. Примечание: расчеты с использованием [14 - 17]

Все это позволяет утверждать, что, несмотря на сохраняющееся значительное превосходство развитых стран по уровню технологического развития, это доминирование является преодолимыми [16]. Производительность труда является показателем конкурентоспособности экономики страны. Без поддержки в долгосрочной перспективе высоких темпов роста производительности труда невозможно (в числе первых) перейти в следующий технологический уклад.

Первая промышленная революция (1770 – 1830 гг.): широкое применение парового двигателя. 1800 г.: в Британии насчитывалось более 2 500 паровых машин, большинство из которых использовалось на шахтах, хлопчатобумажных фабриках и фабриках. Это сопоставимо с 200 двигателями во Франции и менее 10 в США. Лидерство в данной новации, оценочно, обеспечила мировое доминирование Британии на 100+ лет.

До недавнего времени человечество привыкло жить в условиях постоянного роста благосостояния. Если оценивать рост благосостояния через разнообразие номенклатуры производимой продукции, то он окажется квадратичным. Однако, в прошлом этот рост осуществлялся главным образом за счет роста населения (в том числе массового выхода женщин на работу). Гипотеза С. А. Шумского [19] состоит в том, что ИИ, является той самой «замыкающей» технологией, которая позволит человечеству дальше жить в условиях роста благосостояния при замедлении темпов роста населения. Именно поэтому, вопросы, раскрываемые в настоящей статье, актуальны.

В Таблице 2 приведена консервативная оценка воздействия генеративного ИИ на производительность труда и ВВП.

Таблица 2. Примечание: расчеты с использованием [5, 20 - 22]

Повышение производительности труда из-за влияния генеративного ИИ может ежегодно привносить в ВВП РФ порядка 600 млрд руб. или 0,35 % к темпам роста производительности труда, совокупно достигая 4,1 % в год.

Наиболее часто упоминаемые бизнес-функции с использованием генеративного ИИ совпадают с теми, в которых использование искусственного интеллекта наиболее распространено в целом. 75 % эффекта, который просматривается в части применения генеративного ИИ, сосредоточено в маркетинге и продажах, разработке продуктов и исследованиях, сервисных операциях, сквозных действиях (подробнее см. в Таблице 3) [24, 25].

Таблица 3

По мнению некоторых аналитиков, генеративный ИИ не создает дополнительной стоимости в экономике, а девальвирует ценность конечного продукта (например, контента) через снижение порога входа, нивелирование уникальности и эксклюзивности. Если генеративный ИИ будет создавать качественный видео-фото-музыкальный и др. контент, то это приведет к трансформации, например, медиа индустрии и усилит межотраслевые диспропорции.

Авторы настоящей статьи опросили нескольких специалистов, работающих в редакторах фото- видео контента. Отзыв по эффективности применения генеративного ИИ у специалистов был аналогичен результату, приведенному на Рис.1: для типовых, массовых, невзыскательных запросов – эффективно, для получения уникального результата, учитывающего особенности объекта – не эффективно на текущий момент.

Исторические примеры показывают, что эффект от применения новшеств (в нашем случае — технологии генеративного ИИ) может бы положительным, да и текущая статистика в сфере занятости это подтверждает [26].

Производственный процесс в автомобилестроении в 1910-х годах был значительно автоматизирован. Под управлением Г. Форда (наряду с методами массового производства и сборочными линиями) был представлен ряд новых задач для конструкторов, технических специалистов, станочников и служащих, что значительно увеличило потребность отрасли в рабочей силе [27]. Эти новые задачи также стали неотъемлемой частью роста производительности — они способствовали производству новых видов продукции и повышению эффективности производственных процессов.

Вероятно, генеративный ИИ, окажет влияние на все специальности [28]. В странах с развитой экономикой эффект применения генеративного ИИ ожидается для 60 % рабочих мест, с развивающейся экономикой – около 40 %, в странах с низким уровнем дохода – около 26 % [29]. Это не означает выбытия указываемого количества сотрудников, является оценочным объемом влияния технологии.

Влияние технологии будет также различно для разных групп работников: профессии и роли, сильно полагающиеся на рутинные когнитивные задачи, более уязвимы к интеграции с генеративным ИИ: например, маркетинг (копирайтер), медиа (журналист, редактор, сценарист), дизайн (брендинг, интерьер, промышленный дизайн), перевод с иностранных языков, коммуникации (кол-центры, диспетчеры), социализация и общение (психолог), программирование, офисная поддержка, грузчики, военные стратеги и др. [30, 31, 32]. Наименьшее же влияние инструментов генеративного ИИ будут испытывать сотрудники производственных, максимально прикладных специальностей. 

Предсказуемо появление новых специальностей, например, инженер по воспитанию ИИ, тренер ИИ и, возможно даже, врач ИИ.

 Критический ресурс будущего (следующие 10 лет) – это творческий потенциал человека, а, следовательно, работаем дальше.

 Библиографический список

 1.              Радика Десаи. Геополитическая экономия: после американской гегемонии, глобализации и империи: Монография / Радика Десаи; науч. ред. российского издания С.Д. Бодрунов. — М. : ИНИР им. С.Ю. Витте : Центр каталог, 2020. — 328 с. — (серия «Современная экономическая мысль»).

2.              Сангалова И. Какие тренды будут править мировым фондовым рынком в 2024 году [Электронный ресурс] // Ведомости – СМИ. URL: https://www.vedomosti.ru/investments/articles/2024/01/02/1013521-kakie-trendi-budut-pravit-fondovim-rinkom?ysclid=lslp9ghsmt656868914 (дата обращения 16.03.2024).

3.              Accenture Research. Human by design How AI unleashes the next level of human potential. Technology Vision 2024 [Электронный ресурс] // Accenture – аналитическая компания. URL: https://www.accenture.com/us-en/insights/technology/technology-trends-2024 (дата обращения 16.03.2024).

4.              Сысоев Т. Пик развития пройден: почему научно-технических прорывов больше нет [Электронный ресурс] // РБК – СМИ. URL: https://trends.rbc.ru/trends/futurology/5fd0a19f9a79473f456d7825?from=copy (дата обращения 16.03.2024).

5.              The economic potential of generative AI: The next productivity frontier [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#key-insights (дата обращения 16.03.2024).

6.              Unleashing developer productivity with generative AI [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/unleashing-developer-productivity-with-generative-ai (дата обращения 16.03.2024).

7.              Erik Brynjolfsson, Danielle Li, and Lindsey R. Raymond. Generative AI at Work [Электронный ресурс] // The National Bureau of Economic Research (NBER) – аналитическая компания. URL: https://www.nber.org/papers/w31161 (дата обращения 16.03.2024).

8.              What’s the future of generative AI? An early view in 15 charts [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/featured-insights/mckinsey-explainers/whats-the-future-of-generative-ai-an-early-view-in-15-charts (дата обращения 16.03.2024).

9.              Анохин К.В. Мозг для искусственного интеллекта, искусственный интеллект для мозга [Электронный ресурс]. URL: https://rutube.ru/video/e82c6a3216445cc7d469afc4fdb5cb0c/?ysclid=lu13ivk1jx147446801 (дата обращения 16.03.2024).

10.           Yann Lecun: Meta AI, Open Source, Limits of LLMs, AGI & the Future of AI | Lex Fridman Podcast #416 [Электронный ресурс]. URL: https://www.youtube.com/watch?v=5t1vTLU7s40 (дата обращения 16.03.2024).

11.           2024 Tech Trends Report [Электронный ресурс] // Future Today Institute – аналитическая компания. URL: https://futuretodayinstitute.com/trends/ (дата обращения 16.03.2024).

12.           Absci achieves a breakthrough in AI drug creation [Электронный ресурс] // Absci Corporation – научно-исследовательская компания в сфере биотеха. URL:  https://www.absci.com/absci-achieves-a-breakthrough-in-ai-drug-creation/ (дата обращения 16.03.2024).

13.           Кузнецов Е.Б. Технологии. Большие драйверы роста и развилки догоняющей модернизации. Проект «Горизонт 2040» [Электронный ресурс] // Агентство Стратегических Инициатив – аналитическая компания. URL: https://asi.ru/library/main/198226/ (дата обращения 16.03.2024).

14.           Статистические данные по размеру ВВП по покупательной способности [Электронный ресурс] // OECD – организация экономического развития и сотрудничества. URL: https://stats.oecd.org/OECDStat_Metadata/ShowMetadata.ashx?Dataset=PDB_LV&ShowOnWeb=true&Lang=en (дата обращения 16.03.2024).

15.           Статистические данные по занятости населения [Электронный ресурс] // OECD – организация экономического развития и сотрудничества. URL: https://stats.oecd.org/Index.aspx?DataSetCode=PDB_LV# (дата обращения 16.03.2024).

16.           Международные сопоставления ВВП России и других стран мира [Электронный ресурс] // Федеральная служба государственной статистики (Росстат) – федеральный орган исполнительной власти. URL: https://rosstat.gov.ru/statistics/accounts# (дата обращения 16.03.2024).

17.           Gross domestic product (GDP) [Электронный ресурс] // Statistisches Bundesamt (Destatis) – статистическое агентство Германии. URL: https://www.destatis.de/EN/Themes/Economy/National-Accounts-Domestic-Product/Tables/gdp-bubbles.html (дата обращения 16.03.2024).]

18.           Узяков М.Н., Серебряков Г.Р. Глобальный контекст и возможности развития России. - М.: Научные труды, №3, 2023.

19.           Шумский С. А. Машинный интеллект. Очерки по теории машинного обучения и искусственного интеллекта. – М.: РИОР, 2022 – 339 с.

20.           А. Мартынов, Д. Ларионов. Объем мирового рынка искусственного интеллекта в 2023 году с прогнозом до 2032 года [Электронный ресурс] // it-world.ru – СМИ. URL: https://www.it-world.ru/it-news/market/198512.html (дата обращения 16.03.2024).

21.           А. Мартынов, Д. Ларионов. Между хайпом и реальностью: объем мирового рынка генеративного ИИ в 2024 году с прогнозом до 2032 года [Электронный ресурс] // it-Хабр – СМИ. URL: https://habr.com/ru/companies/rosatom/articles/796537/ (дата обращения 16.03.2024).

22.           J. Manyika, M. Spence. The Coming AI Economic Revolution [Электронный ресурс] // Foreign Affairs – СМИ. URL: https://www.foreignaffairs.com/world/coming-ai-economic-revolution?check_logged_in=1&utm_medium=promo_email&utm_source=lo_flows&utm_campaign=registered_user_welcome&utm_term=email_1&utm_content=20240119 (дата обращения 16.03.2024).

23.           Real GDP growth [Электронный ресурс] // МВФ – международная организация. URL: https://www.imf.org/external/datamapper/NGDPD@WEO/OEMDC/ADVEC/WEOWORLD/USA (дата обращения 16.03.2024).

24.           AI-powered marketing and sales reach new heights with generative AI [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/capabilities/growth-marketing-and-sales/our-insights/ai-powered-marketing-and-sales-reach-new-heights-with-generative-ai (дата обращения 16.03.2024).

25.           Finding the Sweet Spot for Generative AI in Payments [Электронный ресурс] // Boston Consulting Group – аналитическая компания. URL: https://www.bcg.com/publications/2023/optimizing-genai-in-payments (дата обращения 16.03.2024).

26.           Nick Bunker. March 2024 US Labor Market Update: AI Jobs Are on the Rebound [Электронный ресурс] // Indeed Hiring Lab – аналитическая компания. URL: https://www.hiringlab.org/2024/03/14/march-2024-us-labor-market-update/ (дата обращения 16.03.2024).

27.           Аджемоглу Д., Джонсон С. Перебалансировка ИИ [Электронный ресурс] // МВФ – международная организация. URL: https://www.imf.org/ru/Publications/fandd/issues/2023/12/Rebalancing-AI-Acemoglu-Johnson (дата обращения 16.03.2024).

28.           Шурпина А. Усиление возможностей человека: профессор РАН рассказал о дальнейшем развитии ИИ [Электронный ресурс] // РТ – СМИ. URL: https://russian.rt.com/science/article/1277088-intervyu-iskusstvennyi-intellekt (дата обращения 16.03.2024).

29.           Gen-AI: Artificial Intelligence and the Future of Work [Электронный ресурс] // МВФ – международная организация. URL: https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2024/01/14/Gen-AI-Artificial-Intelligence-and-the-Future-of-Work-542379 (дата обращения 16.03.2024).

30.           Белоусов Д.Р. Глобальные технологические тренды 2022–2040 годов (часть 1) Сценарная прогнозная оценка к 2040 году по ключевым направлениям развития технологий (ключевые тезисы). Проект «Горизонт 2040» [Электронный ресурс] // Агентство Стратегических Инициатив – аналитическая компания. URL: https://asi.ru/library/main/198226/ (дата обращения 16.03.2024).

31.           Generative AI and the future of work in America [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america (дата обращения 16.03.2024)

32.           The state of AI in 2023: Generative AI’s breakout year [Электронный ресурс] // McKinsey & Company – аналитическая компания. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year#/  (дата обращения 16.03.2024).