Мы все постоянно обсуждаем искусственный интеллект (ИИ) и автоматизацию, но я заметил, что, несмотря на всю болтовню, большинство людей, включая многих моих коллег по цеху, не осознают реальной скорости изменений. Мы смотрим на текущие недостатки ИИ и думаем, что у нас есть много времени, но это огромное заблуждение.
Главная причина нашей недооценки кроется в том, как мы воспринимаем прогресс. Мы склонны мыслить линейно, в то время как развитие технологий идёт экспоненциально.
Когда речь заходит об ИИ, мы совершаем несколько когнитивных ошибок:
- Сравнение с человеком. Мы говорим: «Нейронка пока не может думать» или «она до сих пор не может писать, как Кинг». Но правда в том, что даже когда модель по фундаментальным параметрам поумнеет в 1000 раз, по первому запросу она выдаст просто средний текст из Интернета. Люди делают вывод, что «модель ещё недостаточно умна», но на самом деле её просто нужно очень сильно направить.
- Фокусировка на текущих ограничениях. Мы смотрим на текущее качество LLM и говорим: «Вайбкодинг ненадёжен», «при большом количестве файлов всё сыпется и генерит бред». Это правда сегодня, но мы забываем, что год назад весь этот замут с кодингом был тупо мусором. Сейчас, по моему мнению, уже любо-дорого смотреть на то, что происходит.
Коллеги говорят: модель, которая обязана на 200% тащить точные науки, по определению хуже справляется с творческими задачами. Но я уверен, что это лишь временная трудность.
Скорость технологического сдвига сегодня определяется не медленной человеческой эволюцией, а ресурсами и обучением ИИ.
1. Невероятный темп улучшения
Модели умнеют очень быстро. За последние четыре-пять месяцев модели поумнели во столько раз, что их предыдущей интеллектуальностью можно просто пренебречь.
Когда я сам только начинал работать с ИИ, он был способен максимум на сомнительного качества автодополнение. Сегодня уже идёт речь о том, что языковые модели становятся мультипликатором интеллекта.
2. Концентрация ресурсов
В ИИ-тематике огромную роль играют ресурсы и вычислительные мощности. Большие корпорации активно вкладываются в эту сферу, и они не будут медлить с внедрением.
- Стратегия крупных игроков. Если ты делаешь мега успешный стартап на базе API OpenAI или аналогов, будь уверен: через несколько месяцев они внедрят эту фичу сами. В тот момент, когда ты что-то придумал, это, скорее всего, уже есть в их дорожной карте.
- «Умная» конкуренция. Идёт конкуренция за данные, и модели становятся «экспертами» в узких областях. Для объединения подбираются те модели, которые дополняют друг друга.
Я вижу, что главная причина сопротивления — не логика, а психология.
Многие кодеры и специалисты очень боятся и ревнуют к ИИ. Жизнь изменится, а люди мечтают, чтобы она не менялась никогда, особенно когда их позиция выше, чем у других.
Этот страх и ревность заставляют людей постоянно писать, что вайбкодинг ненадёжен, хотя сами они, вероятно, уже всё поняли. Коллеги, это эффект Даннинга-Крюгера: чем меньше компетенций, тем громче кричат о своём мнении.
Мы, как человечество, являемся «колоссальным, бурлящим парадоксом». Мы, существа, способные на основе примитивной биохимии создавать симфонии, в то же время верим в плоскую землю и ведёмся на примитивные манипуляции.
Если мы недооцениваем скорость сдвига, мы рискуем оказаться среди тех, кого этот сдвиг просто уничтожит. У тебя есть выбор:
- Действовать проактивно. Начать использовать ИИ сейчас, пока он не пришёл к тебе с ультиматумом: «Используй нейронки или тебе конец».
- Принять новую формулу ценности. Код теперь бесплатный. Нужно переориентироваться на идеи, продажи, архитектуру мышления и глубокую экспертизу в домене.
- Перестать бояться ошибок ИИ. Да, одна строка кода, сгенерированная LLM, может испортить проект. Но для этого есть тесты и откаты. Не нужно нагонять страху, это всё элементарно решается.
Как сказал один из моих собеседников: «Единственный адекватный вопрос в этом контексте "как я могу это использовать?" и "как на меня может повлиять изменение рынка, как я могу митигировать риски?"». Вот на это и нужно направить всё свое внимание.