Небольшая компания готовит коммерческие предложения для клиентов. Раньше менеджеру требовалось полтора часа: изучить запрос, найти прошлые документы, собрать черновик, переписать несколько абзацев. Теперь первую версию текста делает ИИ. Менеджер проверяет цифры, исправляет детали и через двадцать минут отправляет предложение клиенту.
За рабочий день он способен подготовить не пять предложений, а пятнадцать.
Для экономики это и есть один из самых интересных эффектов искусственного интеллекта. Не робот, занявший кресло человека, а те же восемь рабочих часов, за которые получается сделать больше.
Дальше начинается менее очевидный вопрос: кому достанется выигрыш от этих сэкономленных часов?
Производительность начинается с довольно скучных задач
Когда говорят об ИИ, разговор быстро доходит до беспилотных автомобилей, врачей-алгоритмов и заводов без людей. Но экономический эффект может накапливаться в гораздо менее впечатляющих местах.
Бухгалтер быстрее разбирает документы. Программист получает черновик кода. Юрист ищет нужные положения в сотнях страниц договора. Сотрудник поддержки не набирает в сотый раз один и тот же ответ, а проверяет предложенный системой.
Допустим, компания из 100 сотрудников экономит благодаря таким инструментам в среднем по 30 минут рабочего времени в день. Это 50 часов ежедневно. За 220 рабочих дней набирается около 11 000 часов — больше пяти полных рабочих лет одного сотрудника.
Но экономия времени еще не равна росту производительности.
Освободившиеся полчаса можно потратить на дополнительную работу. А можно провести их на еще одном совещании, которое раньше просто не помещалось в календарь. Между внедрением программы и реальным экономическим результатом находится организация самой компании.
Почему хорошая технология сначала может сделать работу медленнее
Новый инструмент покупают в понедельник, а к пятнице ждут повышения эффективности. В реальной компании между этими событиями часто проходят месяцы.
Сотрудников нужно обучить. Старые процессы приходится перестраивать. Нужно решить, какие данные можно передавать системе, кто проверяет результат и кто отвечает за ошибку. Часть первых экспериментов вообще заканчивается возвращением к привычному Excel.
Так происходило и с предыдущими технологическими изменениями. Компьютер сам по себе не превращал офис в эффективную компанию. Максимальная польза появлялась, когда бизнес перестраивал процессы вокруг новых возможностей.
С ИИ происходит нечто похожее, только скорость распространения инструментов выше. Купить доступ к сервису можно за несколько минут. Перестроить работу отдела за несколько минут нельзя.
ИИ скорее разбирает профессию на части, чем забирает ее целиком
Возьмем маркетолога. За неделю он собирает статистику рекламных кампаний, пишет тексты, обсуждает новый продукт, готовит презентацию, разговаривает с подрядчиком и решает, почему продажи оказались ниже прогноза.
Автоматизировать эти задачи одинаково сложно.
Черновик рекламного текста программа сделает быстро. Собрать данные тоже можно автоматизировать. А вот понять, почему покупатели перестали заказывать продукт после изменения цены, выбрать между двумя спорными стратегиями и убедить руководителя выделить бюджет — уже другая работа.
Поэтому вопрос «заменит ли ИИ маркетологов?» слишком крупный. Полезнее спросить, какие задачи маркетолога подешевеют.
Если раньше специалист тратил четыре часа на подготовку отчета, а теперь двадцать минут, рынок со временем перестанет высоко оценивать само умение вручную собирать этот отчет. Ценность сместится туда, где автоматизация пока слабее: интерпретация, ответственность, постановка задачи, понимание клиента.
Профессия может сохранить название и при этом довольно сильно измениться изнутри.
Рабочих мест может стать меньше. А может стать больше
Предположим, десять операторов интернет-магазина обрабатывают тысячу обращений в день. После внедрения ИИ те же десять человек способны обработать три тысячи.
У компании появляется несколько вариантов. Сохранить штат и быстрее отвечать клиентам. Сократить часть сотрудников и оставить прежний объем работы. Увеличить продажи, чтобы загрузить новую мощность. Перевести людей на более сложные обращения.
Результат для занятости будет разным.
Есть и еще один эффект. Когда производство товара или услуги становится дешевле, спрос иногда растет. Компания снижает цену, привлекает новых клиентов и в итоге нанимает людей в других подразделениях. Автоматизация одной операции не обязательно означает такое же сокращение общего числа работников.
Но конкретному сотруднику от этой экономической логики не всегда легче. Новые рабочие места могут появиться в другом городе, потребовать других навыков и возникнуть через три года. Его должность исчезает сегодня.
Экономика умеет адаптироваться к технологиям. Людям приходится делать это по одному.
Особенно интересно, что произойдет с начинающими специалистами
Многие профессии устроены так, что новичку сначала дают простую работу. Молодой юрист изучает документы. Начинающий аналитик собирает данные. Младший разработчик исправляет небольшие ошибки. Так человек постепенно учится делать сложную работу.
Именно эти задачи часто легче всего автоматизировать.
Компания может решить, что вместо трех младших специалистов достаточно одного опытного сотрудника с хорошими ИИ-инструментами. В текущем бюджете это выглядит рационально.
Через несколько лет возникает неприятный вопрос: откуда возьмутся опытные сотрудники, если стало меньше мест, где можно получить первый опыт?
Бизнесу, возможно, придется сознательно создавать новые способы обучения внутри работы. Иначе автоматизация нижней ступени карьерной лестницы однажды обнаружится на верхней.
Высокая производительность не гарантирует высокую зарплату
Вернемся к менеджеру, который теперь делает пятнадцать коммерческих предложений вместо пяти.
Если компания получает больше заказов, дополнительная прибыль может распределиться по-разному. Часть уйдет сотруднику в виде более высокой зарплаты или бонуса. Часть останется владельцам бизнеса. Что-то компания потратит на развитие, а что-то — на оплату самого программного обеспечения.
Технология не решает, как разделить созданную ею экономическую ценность.
Здесь многое зависит от рынка труда. Если специалиста легко заменить, рост его производительности не обязательно сильно увеличит зарплату. Если сотрудники с нужным сочетанием профессиональных и технологических навыков редки, у них появляется более сильная позиция в переговорах.
Поэтому умение пользоваться ИИ само по себе вряд ли надолго останется дорогим навыком. Когда инструмент становится массовым, ценность постепенно перемещается к тому, что человек способен сделать с его помощью.
Дешевле интеллект — дешевле некоторые услуги
Есть еще один эффект, который легко пропустить, если смотреть только на рабочие места.
Небольшой предприниматель раньше не заказывал профессиональный перевод сайта: слишком дорого. Семейная кофейня не нанимала аналитика для изучения продаж. Магазин на маркетплейсе обходился без дизайнера для каждой карточки товара.
Если часть такой работы становится дешевой благодаря ИИ, ее начинают покупать те, кто раньше вообще обходился без нее.
Допустим, подготовка определенного аналитического отчета раньше стоила компании 50 000 рублей, а после автоматизации обходится в 10 000. Это не только экономия 40 000 рублей для старых клиентов. При новой цене отчет могут заказать десятки небольших компаний, для которых 50 000 было слишком дорого.
Технология в этом случае не просто отнимает существующую работу. Она создает спрос, которого раньше не было.
У крупных компаний есть преимущество, но не во всем
Для разработки сложных моделей нужны вычислительные мощности, специалисты и капитал. Здесь размер компании имеет значение.
Зато использование готового инструмента может уменьшить некоторые преимущества масштаба.
Небольшая фирма из пяти человек получает доступ к переводу, анализу документов, программированию, работе с изображениями и текстами, для которых раньше потребовались бы отдельные сотрудники или подрядчики.
Получается любопытное движение в обе стороны. Создание самых мощных технологий требует огромных ресурсов, а их применение позволяет маленьким компаниям делать то, что раньше могли позволить себе только большие.
Кто выиграет сильнее, зависит уже не только от качества модели. Важны данные, доступ к клиентам, стоимость вычислений и способность бизнеса встроить технологию в реальную работу.
У ИИ есть цена, которую пользователь почти не видит
Запрос к чат-боту выглядит почти бесплатным: написал вопрос, через несколько секунд получил ответ. Но за этим стоят дата-центры, серверы, электричество, системы охлаждения и дорогие вычислительные компоненты.
Для экономики это имеет значение. Если использование ИИ растет быстро, растет и спрос на инфраструктуру, которая его обслуживает. Деньги перемещаются не только к разработчикам программного обеспечения, но и к производителям оборудования, энергетическим компаниям, операторам дата-центров и тем, кто строит необходимую инфраструктуру.
Поэтому экономику искусственного интеллекта трудно свести к рынку чат-ботов. Значительная часть бизнеса находится буквально за стеной серверной.
Ошибки тоже нужно включать в расчет производительности
Сотрудник экономит два часа благодаря автоматически подготовленному документу. Отличный результат — пока в нем не обнаруживается неверная цифра, из-за которой трое коллег тратят следующий день на исправления.
Для личного использования такая ошибка может закончиться раздражением. В банке, страховой компании, больнице или юридическом отделе цена бывает совсем другой.
Поэтому реальная производительность — это не только скорость генерации результата. В расчет входят проверка, исправление ошибок и последствия неверных решений.
Чем дороже ошибка, тем меньше смысла измерять пользу ИИ количеством сэкономленных минут.
Что все это меняет для обычного человека
Пытаться угадать, какие профессии исчезнут через десять лет, не очень практично. Даже правильный прогноз мало помогает решить, чему учиться в ближайшие полгода.
Гораздо полезнее разобрать собственную работу на задачи.
- Что занимает больше всего времени?
- Какие операции повторяются каждую неделю?
- Что уже можно частично автоматизировать?
- Где ошибка программы будет дешевой, а где недопустимой?
- Какие решения требуют контекста, которого нет в документах и базе данных?
- За какой результат вам платят, а не просто за процесс его получения?
Допустим, дизайнер тратит 40% недели на механическую подготовку вариантов, 30% — на проектирование, 20% — на обсуждение решений с командой и 10% — на исследования. Если автоматизация сократит первую часть вдвое, освободится почти один рабочий день.
Самый важный вопрос появляется после этого расчета: что дизайнер сможет сделать с этим днем такого, за что клиент или работодатель готов платить?
Экономический эффект ИИ будет распределен неравномерно
Одна компания сократит расходы. Другая использует ту же технологию, чтобы выпустить новый продукт. Один сотрудник станет выполнять работу быстрее и получит повышение. Другой обнаружит, что половина его прежних навыков теперь стоит дешевле.
Поэтому одновременно могут быть правы два человека: тот, кто считает ИИ источником роста, и тот, кто опасается потерять работу. Они просто смотрят на разные части одного изменения.
Для экономики главный вопрос постепенно смещается от «на что способен искусственный интеллект?» к более земному: что мы будем делать с временем, которое он нам сэкономит?