Человечеству предстоит сделать решающий выбор: либо продолжать автоматизацию и заменять работников машинами, либо использовать технологии в интересах работников.
За последние 40 лет волны цифровых технологий – включая персональные компьютеры, машины с числовым программным управлением, робототехнику, автоматизацию делопроизводства – усилили неравенство.
Это связано как с тем, что некоторые из этих технологий (например, компьютеры) оказались весьма полезны для более образованных работников, так и с тем, что многие технологии использовались для автоматизации труда (то есть замены людей машинами), что по-разному влияет на разные типы работников.
К сожалению, в настоящее время преобладающее направление развития искусственного интеллекта (ИИ) делает упор на автоматизацию, вытесняя квалифицированных работников и уменьшая силу их «голоса».
Существует альтернативный, «дополняющий человека» путь, который мог бы способствовать большему росту производительности и помочь уменьшить экономическое неравенство. Однако выход на этот альтернативный путь потребует значительных политических усилий.
Автоматизация – замена машинами, а в последнее время и алгоритмами, задач, ранее выполняемых людьми, – была постоянной по крайней мере с начала промышленной революции, увеличивая неравенство. С 1980-х гг. с развитием цифровых технологий автоматизация труда синих воротничков и офисных работников стала важным драйвером роста неравенства.
С технической стороны основным препятствием для автоматизации до появления ИИ было то, что многие сервисные и производственные задачи требуют гибкости, рассудительности и здравого смысла, которые исторически требовали участия человека, принимающего решения.
Искусственный интеллект, особенно генеративный ИИ (GenAI), потенциально может справиться с такими задачами.
Широкий спектр задач компьютерной безопасности, которые раньше выполнялись опытными операторами-людьми, теперь могут выполнять боты с искусственным интеллектом.
Аналогично, системы генеративного ИИ могут писать рекламные тексты, анализировать юридические документы, расшифровывать медицинские записи и выполнять языковой перевод.
Пока что технологии, лежащие в основе этой новой формы автоматизации, еще незрелы, но они могут способствовать значительному повышению производительности по мере снижения затрат и улучшения надежности.
Предприятия также могут предпочитать машины работникам по причинам, не связанным с производительностью. Автоматизация привлекает менеджеров, которые стремятся к меньшему противодействию со стороны организованной или неорганизованной рабочей силы.
Дополнять, а не вытеснять
Но существует и другой путь. Мы можем использовать возможности GenAI для того, чтобы дополнять работников и создавать для них новые продуктивные задачи, а не для того, чтобы просто автоматизировать их работу.
На протяжении большей части ХХ века так и происходило: автоматизация традиционного труда шла в относительном равновесии с созданием новых задач и была основой роста заработной платы и занятости, поддерживая всеобщее процветание.
Новые технологии одновременно вытесняли существующие задачи и дополняли людей, позволив им выполнять работу более качественно и создавать новые задачи.
Однако где-то около 1980 года этот баланс был утрачен. Хотя автоматизация сохраняла свои темпы или даже ускорилась в последующие пять десятилетий, компенсирующая сила создания новых задач замедлилась, особенно для работников, не имеющих высшего образования.
Работники без высшего образования были вытеснены с фабрик и офисов из-за компьютеризации (в случае рабочих – еще и из-за конкуренции со стороны импорта), но для них не появилось никакого нового эквивалента хорошо оплачиваемых возможностей.
В результате такие работники все чаще оказываются в сфере низкооплачиваемых услуг, таких как уборка, охрана, общественное питание, отдых и развлечения. Эти рабочие места социально ценны, но они не требуют специального образования, подготовки или экспертизы и, следовательно, плохо оплачиваются.
Сегодня достижения в области генеративного ИИ создают огромные возможности как для расширения человеческого потенциала, так и для вытеснения работников за счет ускорения автоматизации.
Таким образом, нам предстоит сделать решающий выбор: либо продолжать ускорять автоматизацию, либо использовать эти мощные инструменты с учетом интересов работников.
Как можно сотрудничать с ИИ
В нескольких недавних исследованиях представлены примеры с подтверждением второй концепции – они демонстрируют, как генеративный ИИ может дополнять экспертные знания, а не заменять экспертов.
Например, одно из исследований демонстрирует, что GitHub Copilot, средство программирования на основе GenAI, сделало работу программистов на 56% быстрее.
Другое исследование обнаружило, что работники улучшили скорость и качество своей письменной продукции, используя ChatGPT, при этом менее способные писатели улучшили свои навыки больше всего.
Генеративный ИИ не сделал наименее квалифицированных писателей такими же эффективными, как наиболее квалифицированные, но он сделал всех писателей быстрее и существенно сократил разрыв в качестве между этими двумя группами.
Еще одно недавнее исследование выявило, что сотрудники службы поддержки клиентов, получающие справочную информацию с помощью инструментов генеративного ИИ, значительно повышают свою производительность. Опять же, наибольшую выгоду получают начинающие работники, повышающие свою производительность в три раза быстрее, чем работники, не имеющие этих инструментов.
Во всех трех случаях инструменты генеративного ИИ одновременно автоматизируют и дополняют работу людей. Автоматизация экономит время сотрудников: ИИ пишет первый черновик кода, рекламного текста и ответа службы поддержки клиентов.
Расширение человеческого потенциала происходит потому, что работникам приходится применять опыт и суждения, чтобы стать промежуточным звеном между предложениями ИИ и конечным продуктом – будь то программный код, текстовые сообщения или поддержка клиентов.
Что могло бы помочь вывести экономики США, Европы и других стран на путь, где ИИ дополняет людей?
В новом докладе для CEPR Policy Insight профессора экономики MIT Дарон Аджемоглу и Дэвид Аутор, а также профессор предпринимательства и глава группы по глобальной экономике и управлению MIT Саймон Джонсон предложили пять потенциальных элементов, заслуживающих внимания политиков.
