Учёные MIT — это не блогеры которые рассказывают что ИИ изменит мир.
Это люди которые измеряют. Проверяют. Публикуют данные которые иногда не нравятся никому — ни сторонникам ИИ ни его противникам.
В 2024-2025 годах MIT опубликовал несколько исследований об искусственном интеллекте. Я перевёл главное. Добавил контекст. И не буду делать вид что всё хорошо там где не очень хорошо.
Пристегнись.
Исследование №1 — ИИ не так сильно повышает производительность как все думают
Что исследовали: как внедрение ИИ-инструментов влияет на реальную производительность труда в компаниях.
Что ожидали найти: значительный рост производительности. Компании инвестируют миллиарды — должна быть отдача.
Что нашли:
В большинстве компаний где внедрили ИИ-инструменты — рост производительности оказался значительно скромнее чем обещали вендоры.
Средний реальный прирост: 15-20%.
Обещанный прирост в маркетинговых материалах: 40-300%.
Почему такой разрыв:
Первое — люди используют ИИ не для замены рутины, а для добавления новой работы. Высвободилось два часа — взяли ещё две задачи. Производительность не выросла — просто делается больше за то же время.
Второе — кривая обучения. Большинство сотрудников используют ИИ на 20% его возможностей. Остальные 80% — просто не знают как.
Третье — качество промптов. В компаниях где не было обучения промпт-инжинирингу — люди задавали плохие вопросы и получали плохие ответы. Разочаровывались. Переставали использовать.
Мой комментарий:
Это не значит что ИИ бесполезен. Это значит что внедрение ИИ — это процесс, а не кнопка. Те компании в исследовании где был рост производительности в 40% и выше — инвестировали в обучение сотрудников. Не просто купили подписку — научили пользоваться. Инструмент без обучения — это дорогой молоток который лежит в ящике.
Исследование №2 — ИИ усиливает неравенство внутри команд
Что исследовали: как ИИ влияет на разрыв между сильными и слабыми сотрудниками.
Что нашли:
Это исследование меня удивило больше всего. Предположение было такое: ИИ поможет слабым сотрудникам подтянуться до уровня сильных. Умный ассистент нивелирует разницу в опыте. Реальность оказалась противоположной.
Сильные сотрудники с ИИ стали ещё сильнее. Они умели задавать правильные вопросы, критически оценивать ответы, интегрировать ИИ в свои процессы.
Слабые сотрудники с ИИ... не стали значительно сильнее. Они принимали любой ответ ИИ как истину. Не могли оценить качество. Делали ошибки увереннее и быстрее.
Разрыв не сократился. Он вырос.
Почему это важно:
Если ты хочешь использовать ИИ эффективно — тебе нужна экспертиза в своей области. ИИ усиливает то что уже есть. Если есть понимание — получишь больше понимания. Если нет — получишь уверенные ошибки.
Мой комментарий:
Это объясняет почему люди которые говорят «ChatGPT — бесполезная игрушка» чаще всего те у кого мало опыта в своей сфере. Они не могут оценить ответ — значит не могут использовать инструмент. Развивай экспертизу. ИИ усилит её. Не наоборот.
Исследование №3 — Проблема галлюцинаций серьёзнее чем признают компании
Что исследовали: частоту и характер фактических ошибок в ответах языковых моделей.
Что нашли:
Современные модели галлюцинируют — то есть уверенно выдают неверную информацию — в 3-8% случаев при работе с фактическими вопросами.
Звучит немного? Зависит от контекста.
Если ты используешь ChatGPT для написания постов — 3-8% ошибок некритичны. Перепроверишь важное.
Если медицинское учреждение использует ИИ для первичной диагностики — 3-8% это катастрофа.
Самое тревожное открытие:
Галлюцинации не выглядят как галлюцинации. Они выглядят как нормальные ответы. Та же уверенность. Тот же тон. Та же структура.
Модель не знает что она ошибается. Она не говорит «я не уверен». Она просто отвечает — и иногда ошибается.
Исследователи MIT разработали тест: давали людям тексты с намеренно встроенными ошибками от ИИ. Большинство людей не замечали их без специального внимания.
Мой комментарий:
Это не повод отказываться от ИИ. Это повод всегда проверять критически важные факты.
Я никогда не публикую цифры, исследования или конкретные факты из ChatGPT без проверки через Perplexity или первоисточники.
Это занимает пять минут. И спасает от публичных ошибок.
Исследование №4 — Влияние ИИ на рынок труда оказалось неоднородным
Что исследовали: реальное влияние ИИ на занятость — не прогнозы а факты за последние два года.
Что нашли:
Здесь данные противоречат и паникёрам и оптимистам одновременно.
Что реально сократилось:
Количество вакансий для entry-level специалистов в ряде категорий упало на 20-35%.
Это особенно заметно в: технических переводах, начальных позициях в копирайтинге, базовой аналитике данных, части позиций в колл-центрах.
Что реально выросло:
Количество вакансий для специалистов которые умеют работать с ИИ — выросло на 40-60%.
Средняя зарплата в этих позициях — на 15-25% выше аналогичных позиций без требования ИИ-навыков.
Что не изменилось:
Большинство профессий. Серьёзно. Разговоры о том что ИИ уничтожит половину рабочих мест — преждевременны.
Изменилось содержание работы — не количество рабочих мест.
Мой комментарий:
Страдают не профессии — страдают люди которые делают только то что делает ИИ.
Бухгалтер который только вводит данные — под угрозой.
Бухгалтер который анализирует, консультирует и принимает решения — ценнее чем раньше.
Одна профессия. Два разных исхода. В зависимости от того как ты работаешь.
Исследование №5 — Экологический след ИИ
Что исследовали: энергопотребление и углеродный след обучения и использования крупных ИИ-моделей.
Что нашли:
Один запрос к GPT-4 потребляет в десять раз больше энергии чем обычный поиск в Google.
Обучение одной крупной языковой модели — выбросы CO2 сопоставимые с несколькими сотнями авиаперелётов через Атлантику.
При текущих темпах роста потребления ИИ — энергопотребление дата-центров вырастет в три-четыре раза к 2030 году.
Мой комментарий:
Я включаю это не для того чтобы вызвать чувство вины. ИИ-инструменты полезны и я буду продолжать их использовать.
Но это важный контекст который крупные ИИ-компании не спешат выносить в заголовки своих пресс-релизов.
Прогресс имеет цену. Иногда буквальную — в киловатт-часах.
Что со всем этим делать
Ты дочитал до этого места — значит готов к честным выводам.
Вывод 1: ИИ работает — но не так магически как обещают. Реалистичные ожидания лучше разочарований.
Вывод 2: ИИ требует экспертизы от пользователя. Развивай своё мышление — не только промпты.
Вывод 3: проверяй факты из ИИ. Всегда. Особенно перед публикацией.
Вывод 4: рынок труда меняется — но не апокалиптически. Адаптируйся осознанно.
Вывод 5: скептицизм — это здорово. Слепая вера в ИИ опасна так же как слепое отрицание.
P.S.
После того как я прочитал все эти исследования — открыл ChatGPT и написал:
«Какие твои главные ограничения о которых OpenAI не любит говорить публично?»
Ответ был честным и подробным. ChatGPT сам рассказал о галлюцинациях, ограничениях контекста и проблеме уверенных ошибок. Ирония в том что узнать правду об ИИ иногда проще всего спросив у самого ИИ.
Попробуй.
GPTнул — здесь читают исследования а не только пресс-релизы. Следующая статья: ChatGPT для студентов — как использовать и не попасться. Подписывайся.