Ранее мы уже рассматривали один из возможных сценариев потери контроля над искусственным интеллектом. Однако существует и другой, значительно более реалистичный путь к масштабному кризису. Для него не требуется, чтобы машина обрела сознание, научилась скрывать свои намерения или решила избавиться от человечества.
Достаточно, чтобы ИИ оставался полезным инструментом, а его внедрение происходило быстрее, чем общество перестраивает занятость, образование и распределение доходов.
Первые проявления такого перехода уже можно искать не в фантастических прогнозах, а в структуре найма, изменении рабочих задач и положении молодых специалистов. При этом речь пока не идёт о доказанной массовой безработице из-за ИИ. Процесс сложнее: одни работники становятся производительнее, другие теряют часть заказов, третьих перестают нанимать, а четвёртым предлагают отвечать за результат, который всё в большей степени создаёт машина.
Главная опасность заключается в том, что эти изменения могут долго выглядеть как отдельные корпоративные решения. Их общественные последствия становятся заметны позже — когда выясняется, что экономить на человеческом труде научились многие, а воспроизводить человеческую компетентность и обеспечивать людям устойчивый доход по-прежнему нечем, кроме прежних институтов.
Когда обсуждают влияние ИИ на занятость, обычно представляют прямую замену: работал человек, появилась программа, человека уволили.
Но у бизнеса есть менее заметный способ сокращать потребность в труде.
Можно не открывать новую вакансию. Не заменять ушедшего сотрудника. Отказаться от части подрядчиков. Передать возросший объём работы прежней команде, снабдив её цифровыми помощниками. Сократить набор стажёров, поскольку начальные задачи теперь выполняются автоматически.
В каждом случае предприятие может честно сообщать, что массовых увольнений не было. При этом возможностей устроиться на работу становится меньше.
Именно поэтому первые изменения способны сильнее ударить по людям, которые только входят в профессию, чем по тем, кто уже закрепился внутри организации.
Такой сигнал обнаружен в исследовании Stanford Digital Economy Lab на основе данных американского оператора расчёта зарплат ADP. В обновлении за август 2026 года авторы сообщают: занятость работников 22–25 лет в профессиях с высокой подверженностью ИИ оказалась на 19% ниже уровня, который соответствовал бы динамике их сверстников в менее подверженных профессиях. У более опытных работников сопоставимого разрыва не наблюдалось.
Это не означает, что ИИ уволил 19% молодых сотрудников, и не доказывает причинность каждого отдельного сокращения. Авторы также не находят признаков повсеместного вытеснения работников в масштабе всей экономики. Но различие между возрастными группами заслуживает внимания: вход в профессию может сужаться раньше, чем исчезнет сама профессия. Исследование Stanford/ADP.
Другие данные предостерегают от слишком широких выводов. Исследование датского рынка труда, опубликованное в 2025 году, не обнаружило значимого влияния использования ИИ-чатботов на заработки и зарегистрированное рабочее время в изученном периоде. Работа Андерса Хумлума и Эмилии Вестергор.
Эти результаты не обязательно противоречат друг другу. Разные страны, отрасли, возрастные группы и способы внедрения могут давать разные эффекты. Тем более нельзя автоматически переносить американские или датские показатели на российский рынок.
Однако уже сейчас недостаточно смотреть только на общий уровень безработицы. Не менее важны количество начальных вакансий, продолжительность поиска первой работы, ставки подрядчиков и доля сотрудников, которых компания не заменила после ухода.
Технологический сдвиг может сначала лишить человека будущего рабочего места — и лишь потом затронуть настоящее.
Один из самых распространённых аргументов против серьёзного влияния ИИ звучит так: система ошибается, не понимает весь контекст и не способна полностью заменить хорошего специалиста.
Во многих случаях это верно. Но для изменения рынка труда полной замены не требуется.
Профессия — не неделимый объект. Она состоит из набора задач: получения информации, подготовки черновиков, расчётов, общения, проверки, согласования и принятия решений. Если часть этих операций удаётся удешевить, меняется организация всей работы.
Предположим, отдел выполнял определённый объём заказов силами десяти человек. После внедрения ИИ аналогичный результат достигается силами семи. Это условный пример, а не универсальный коэффициент. Важно другое: машина не обязана уметь самостоятельно исполнять обязанности каждого из трёх ненанятых или сокращённых работников.
Достаточно перераспределить оставшиеся задачи.
Поэтому главный экономический вопрос — не «может ли ИИ быть юристом, инженером или программистом?». Он звучит иначе: сколько оплачиваемого человеческого времени требуется для получения результата приемлемого качества?
Ответ зависит от полной стоимости процесса. В неё входят не только доступ к модели, но и интеграция, вычисления, защита данных, проверка, исправление ошибок, простои и ответственность за последствия.
Там, где ошибка опасна, а проверка сложна, автоматизация может оказаться невыгодной. Там, где результат легко проверить, исправить или откатить, экономические условия для неё значительно благоприятнее.
Из этого следует и неравномерность перехода. Быстрее меняются не обязательно «самые простые» профессии, а процессы, в которых уже есть цифровые данные, повторяемые операции и понятный способ оценить результат.
Сложность работы для человека и сложность её автоматизации — не одно и то же.
Польза ИИ для работников не является рекламной выдумкой.
В исследовании работы службы клиентской поддержки внедрение генеративного помощника сопровождалось ростом производительности примерно на 15%. Особенно заметно выигрывали менее опытные сотрудники. Исследование в Quarterly Journal of Economics.
Это важный результат: технология способна не только вытеснять новичков, но и помогать им быстрее выполнять работу.
Однако между повышением производительности и улучшением положения работника нет автоматической связи.
Если сотрудник стал выполнять больше задач за час, возможны разные решения:
Техническое свойство инструмента не определяет, какой вариант будет выбран. Это зависит от конкуренции, спроса, трудового законодательства, переговорной силы работников и управленческих решений.
Более того, индивидуальное преимущество может быстро превратиться в общее требование.
Пока ИИ используют немногие, освоивший его специалист выделяется. Когда инструмент становится стандартом, прежняя повышенная производительность превращается в минимально ожидаемую. Работник больше не получает премию за скорость — от него просто требуют работать быстрее.
Возникает парадокс: человек заметно усилил свои возможности, но его положение на рынке не улучшилось.
Это не опровержение пользы технологии. Это напоминание, что эффективность производства и распределение результатов производства — разные вопросы.
Технологии и раньше уничтожали рабочие места, создавая новые. Поэтому из самого факта автоматизации нельзя вывести неизбежность долгосрочной массовой безработицы.
Но и обратное утверждение — «раньше справились, значит, справимся автоматически» — не является доказательством.
Во-первых, прошлые переходы тоже сопровождались тяжёлыми конфликтами, обеднением отдельных групп и разрушением локальных экономик. Их последствия не исчезали исключительно благодаря техническому прогрессу. Значение имели образование, социальное страхование, трудовые права, инфраструктура и политические решения.
Во-вторых, нынешняя автоматизация затрагивает сразу несколько видов интеллектуальной деятельности. Работнику, вытесненному из одной цифровой специализации, могут советовать перейти в соседнюю — именно в тот момент, когда там начинают внедрять те же инструменты.
В-третьих, программные возможности могут распространяться быстрее, чем успевают изменяться профессиональные биографии людей.
При этом не следует путать выпуск новой модели с переустройством экономики. Предприятиям по-прежнему нужны деньги, совместимые системы, проверка безопасности и время на изменение процессов. Роботизация дополнительно ограничена производством оборудования и физической инфраструктурой.
Тем не менее даже частичного расхождения скоростей достаточно для серьёзных проблем.
Компания может пересмотреть кадровую потребность за несколько месяцев. Человек не может за это время отменить годы обучения, переезд, ипотеку и обязательства перед семьёй.
Для капитала смена технологии — инвестиционное решение. Для работника она нередко означает пересмотр всей жизненной траектории.
Начальные должности выполняют две функции одновременно.
Они дают работодателю результат и позволяют неопытному сотруднику приобрести профессиональное суждение. Молодой специалист учится не только по учебнику: он видит реальные ограничения, исправляет последствия собственных решений, наблюдает за коллегами и постепенно начинает отличать формально правильный ответ от практически пригодного.
Автоматизация способна разъединить эти функции.
Результат типовой задачи предприятие получает от машины. А необходимость обучать будущего специалиста остаётся — только теперь её сложнее оправдать текущей выручкой.
Для отдельной компании рационально нанять готового эксперта, а не выращивать его несколько лет. Но если одинаково поступает множество компаний, возникает вопрос: где этот эксперт должен сформироваться?
Нельзя уверенно утверждать, что начинающие специалисты обязательно исчезнут или что через определённое число лет наступит всеобщий кадровый провал. Обучение можно организовать иначе: через наставничество, симуляции, работу с реальными задачами под контролем и специально разработанные ИИ-инструменты.
Однако всё это требует ресурсов.
Если прежний путь накопления опыта разрушается, новый не возникает сам по себе только потому, что в интернете стало больше образовательных материалов.
Здесь проявляется классическая проблема коллективных интересов. Каждой компании нужны квалифицированные люди. Каждой компании выгодно, чтобы их подготовил кто-то другой.
Ускоренная автоматизация может сделать этот разрыв острее.
Рекомендация постоянно учиться разумна, но часто скрывает масштаб необходимых затрат.
Переобучение — это не только доступ к курсу. Это время без полноценного заработка, практика, обратная связь, финансовый резерв и возможность выйти на рынок без многолетнего опыта.
Человеку с детьми и обязательными платежами мало сообщить, что «в новой отрасли много возможностей». Ему необходимо прожить период перехода, а затем убедить работодателя дать ему шанс.
Кроме того, новая специализация сама может быстро меняться. Если каждый следующий курс готовит к очередной версии инструмента, работник рискует оказаться в непрерывной погоне за требованиями, не успевая вернуть вложенные средства и время.
Из этого не следует, что фундаментальное образование потеряло смысл. Скорее наоборот: понимание предмета, математическая грамотность, работа с доказательствами и способность учиться оказываются устойчивее, чем знание конкретного интерфейса.
Но фундаментальная подготовка не отменяет необходимости практического входа в профессию.
Поэтому серьёзная программа адаптации должна отвечать как минимум на три вопроса: кто оплачивает переход, где человек получает опыт и какой реальный спрос существует на его новую квалификацию.
Без этого «непрерывное обучение» превращается в способ переложить общественный риск на отдельного работника.
Отдельного внимания заслуживает влияние автоматизации на мышление.
Категорическое утверждение, будто использование ИИ неизбежно вызывает массовое интеллектуальное снижение, не имеет достаточных оснований. Помощник может объяснять сложные темы, задавать полезные вопросы и расширять доступ к качественному обучению.
Опасность возникает при другом способе использования: когда готовый результат систематически заменяет самостоятельное действие.
Прочитать убедительное объяснение — не то же самое, что построить его. Узнать правильный ответ среди предложенных — не то же самое, что найти его при изменившихся условиях.
В эксперименте со школьной математикой, опубликованном в PNAS в 2025 году, обычный ИИ-помощник улучшал выполнение тренировочных заданий, но после отключения доступа соответствующая группа показывала худшие результаты, чем группа без такого помощника. Специально устроенный ИИ-наставник с ограничениями в значительной мере смягчал отрицательный эффект. Исследование.
Вывод здесь не в необходимости запретить инструмент. Важно различать помощь в обучении и помощь в обходе обучения.
На рабочем месте действует похожее противоречие. Выполнение задачи вручную сегодня может казаться неоправданной затратой. Но именно в процессе её выполнения человек иногда приобретает знания, которые понадобятся для самостоятельного решения завтра.
Если организация измеряет только скорость выпуска результата, она может не заметить, как перестаёт накапливать собственную экспертизу.
Доходы растут, документы становятся качественнее, а число людей, способных обнаружить нетипичную ошибку, сокращается.
Практически в любом обсуждении рисков ИИ появляется успокаивающая формула: окончательное решение останется за человеком.
Однако право нажать кнопку ещё не означает возможность содержательно проверить решение.
Для реального контроля нужны знания, время, доступ к исходным данным и полномочия возразить.
Если сотрудник получает десятки сложных заключений в день, не участвовал в их подготовке и не может воспроизвести рассуждение, его подпись постепенно становится процедурой оформления. Особенно если возражение означает задержку, а задержка ухудшает показатели работы.
Возникает опасная асимметрия: человек несёт ответственность, но не располагает ресурсами для независимого суждения.
Это не обязательно следствие плохого поведения модели. Даже относительно надёжная система способна создать такую ситуацию, если вокруг неё неправильно организован труд.
Чем лучше машина справляется с обычными случаями, тем реже человеку приходится практиковаться. Когда появляется необычный случай, от него внезапно требуют максимальной компетентности.
Получается, что организация одновременно сокращает условия для сохранения навыка и повышает требования к нему в момент аварии.
Реальный человеческий контроль поэтому требует отдельного финансирования. Он не возникает автоматически из наличия сотрудника в конце цифровой процедуры.
Пока обсуждение сосредоточено на интеллектуальном труде, физическая работа кажется естественным направлением перехода.
Частично это обоснованно. Работа в непредсказуемой среде, ремонт, уход и множество локальных услуг требуют сложного сочетания моторики, наблюдательности и понимания ситуации.
Перенести успешную демонстрацию робота на тысячи реальных объектов значительно труднее, чем предоставить пользователям доступ к программе.
Нужны оборудование, монтаж, обслуживание, безопасность, запасные части и приемлемая частота отказов. При сравнении с человеком приходится считать не эффектный ролик, а стоимость устойчивой работы за весь срок эксплуатации.
Но физический труд нельзя считать бессрочной гарантией занятости.
Роботизация может двигаться не через создание универсальной машины, а через перестройку самой среды. Вместо робота, способного работать на любом складе, строят склад, приспособленный к определённым роботам. Вместо воспроизведения всех человеческих действий меняют технологический процесс.
Поэтому важно не предсказывать дату «замены всех людей», а отслеживать, какие участки производства становятся экономически доступными для автоматизации.
При этом возникает дополнительный риск: даже если вытесненные специалисты найдут работу в менее автоматизированных сферах, приток работников способен усилить конкуренцию и снизить оплату уже там.
Технологическое воздействие не заканчивается границами автоматизированной профессии.
ИИ одновременно снижает одни барьеры и повышает другие.
Небольшая команда получает возможности, для которых прежде требовался большой штат. Это создаёт реальные шансы для новых компаний, индивидуальных предпринимателей и региональных проектов.
Но массовый доступ к инструменту не равнозначен равномерному распределению экономической власти.
У крупных участников остаются преимущества: собственные данные, клиентская база, доступ к капиталу, вычислительные ресурсы и способность финансировать длительную интеграцию. Они могут применять технологию сразу в большом масштабе.
Для работника возникает ещё одна проблема. Если часть его опыта удаётся закрепить в автоматизированном процессе, компания становится менее зависимой от конкретного носителя этого опыта.
Это не означает, что модель буквально скопировала человека. Но часть того, за что раньше платили за редкую квалификацию, может превратиться в стандартную функцию системы.
Тогда производительность растёт, а переговорная сила специалиста — нет.
Похожая зависимость возникает у небольшого бизнеса по отношению к поставщику ИИ. Пока инструмент решает отдельную задачу, его легко заменить. Когда через него проходят клиентские отношения, документация и управление операциями, переход становится дорогим и рискованным.
Поэтому борьба за совместимость систем, переносимость данных и возможность сменить поставщика имеет не только технический смысл. Она определяет, кто сможет устанавливать условия работы для остальных участников экономики.
Здесь находится главное макроэкономическое противоречие.
Для предприятия зарплата — статья расходов. Для домохозяйства — источник покупательной способности. То, что одна компания сокращает ради эффективности, другие компании рассчитывают получить в виде потребительского спроса.
Из этого не следует, что автоматизация обязательно уничтожит спрос. Снижение цен, инвестиции, новые услуги, социальные выплаты и доходы от собственности способны его поддержать.
Но эти механизмы должны реально работать, а не предполагаться по умолчанию.
Если выигрыш концентрируется у небольшой группы собственников, а значительная часть населения сталкивается с нестабильной занятостью, рост производственных возможностей не обязательно превращается в массовое благополучие.
Дешевеющая цифровая услуга сама по себе не оплачивает человеку жильё, лечение и содержание детей. Особенно если цены на жизненно важные блага определяются дефицитом земли, инфраструктуры, специалистов или доступного финансирования.
В этом смысле риск связан не столько с исчезновением возможности производить, сколько с нарушением доступа к произведённому.
Общество может технически позволить себе больше благ и одновременно оставлять всё больше людей в неуверенности относительно следующего месяца.
Такой разрыв опасен и для семей, и для бизнеса: неустойчивый доход сокращает горизонт планирования, сдерживает крупные покупки и мешает людям вкладываться в собственное развитие.
Даже если значительная часть населения продолжит работать, качество этой занятости может ухудшаться.
Вместо исчезновения работы возможны снижение ставок, краткосрочные контракты, усиление цифрового контроля и непрерывный рост норм выработки.
Человек остаётся экономически активным, но перестаёт понимать, как сегодняшняя работа связана с завтрашним положением.
Это подрывает важную часть привычного общественного договора: ожидание, что образование, усилия и накопленный опыт дают хотя бы приблизительно предсказуемую отдачу.
Такой договор никогда не выполнялся для всех одинаково. Однако именно на него опираются многие решения: получить специальность, создать семью, купить жильё, инвестировать в обучение детей.
Если квалификация перестаёт обеспечивать устойчивость, а рост производительности не даёт работнику большей защищённости, проблема выходит за пределы рынка труда.
Возникают недоверие к институтам, раздражение по поводу распределения технологических выгод и спрос на простые политические объяснения.
Поэтому неблагоприятный сценарий не обязательно выглядит как одномоментный коллапс. Он может принимать форму длительного ослабления устойчивости — при хороших показателях выпуска, впечатляющих продуктах и формально сохраняющейся занятости.
Ответом не может быть ни безусловный запрет автоматизации, ни убеждение, что рынок самостоятельно решит все возникающие проблемы.
Нужно менять критерии успешного внедрения.
Первое — учитывать последствия для входа в профессию. Если организация сокращает начальные задачи, необходимо понимать, где будут формироваться будущие специалисты. Оплачиваемая практика и наставничество должны рассматриваться как инвестиция, а не как случайный побочный результат текущей работы.
Второе — сделать переход финансово возможным. Программы переобучения имеют смысл, когда связаны с реальным спросом, обеспечивают практику и позволяют человеку пережить период изменения квалификации.
Третье — отделять результат с ИИ от самостоятельной компетентности. В образовании и профессиональной аттестации необходимо проверять не только качество готового продукта, но и способность объяснить решение, заметить ошибку и действовать при изменении условий.
Четвёртое — определить, как распределяется рост производительности. Сокращение рабочего времени, повышение оплаты, участие работников в прибыли и социальная поддержка — разные инструменты. Их применимость различается, но сам вопрос нельзя исключать из обсуждения как не относящийся к технологии.
Пятое — не допускать подмены ответственности формальным подтверждением. Если от человека требуют контролировать ИИ, ему необходимы время, подготовка и право остановить процесс без автоматического наказания за снижение скорости.
Шестое — сохранять возможность смены поставщика и независимой работы. Конкуренция, переносимость данных и резервные процедуры ограничивают зависимость бизнеса и государства от отдельных технологических компаний.
И наконец, необходимо измерять то, что легко скрывается за ростом производительности: доступность первой работы, изменение реальных доходов, качество занятости, самостоятельные навыки и концентрацию контроля над инфраструктурой.
Без этих показателей общество может слишком поздно обнаружить, что научилось считать сэкономленные человеко-часы, но не считает утраченные возможности людей.
Намного важнее другой вопрос: что произойдёт с человеком, если его труд станет менее необходимым для производства, но останется главным условием доступа к доходу, независимости и общественному признанию?
В этом и заключается более реалистичный сценарий риска.
ИИ не требуется становиться враждебным. Достаточно, чтобы его применение последовательно сокращало потребность в одних видах труда, а институты, обеспечивающие обучение, перераспределение и социальную устойчивость, менялись слишком медленно.
Некоторые элементы этого процесса уже наблюдаются. Его итог ещё не определён.
Технология может освободить время для образования, семьи, творчества и заботы. Но тот же рост эффективности способен обернуться нестабильной занятостью, концентрацией доходов и ослаблением человеческой компетентности.
Разница между этими исходами не заключена внутри модели.
Она зависит от того, какие правила устанавливают люди — и успевают ли они сделать это прежде, чем краткосрочная экономия станет основой нового общественного устройства.
Рассматривая последствия внедрения ИИ, важно учитывать не только уже заметные изменения на рынке труда, но и возможное направление дальнейшего развития технологий.
В предыдущей статье мы рассматривали сценарий, при котором искусственный интеллект выходит из-под контроля и постепенно превращается в самостоятельную силу, способную угрожать существованию человечества. Это наиболее радикальная и драматичная версия будущего.
Однако существует и другой сценарий — менее фантастический, но значительно ближе связанный с текущими процессами. ИИ может не восстать против людей и не получить самостоятельные цели. Он может оставаться инструментом, которым управляют компании и государства, но при этом постепенно сделать человека необязательным участником всё большего числа экономических процессов.
Именно этот переход уже начинает проявляться сегодня.
В публичной дискуссии влияние ИИ часто представляют как прямую замену: алгоритм научился выполнять работу — человек потерял должность.
На практике процесс может выглядеть иначе.
Компания не увольняет весь отдел, но перестаёт нанимать новых сотрудников. Ушедшего специалиста не заменяют. Объём работы, который раньше выполняли десять человек, передают семерым с использованием ИИ-инструментов. Стажёрские программы сокращаются, потому что типовые задачи теперь выполняются автоматически.
Формально массовых увольнений нет. Но вход в профессию становится значительно труднее.
Это особенно важно для молодых специалистов. Начальные должности всегда выполняли двойную функцию. С одной стороны, сотрудник решал простые и недорогие задачи. С другой — он постепенно приобретал опыт, необходимый для перехода к более сложной работе.
Если начальный уровень профессиональной лестницы убрать, через несколько лет может возникнуть дефицит специалистов среднего и старшего уровня. Работодатели будут искать опытных сотрудников, но сам механизм воспроизводства этого опыта окажется нарушен.
В августе 2026 года исследователи Stanford Digital Economy Lab опубликовали обновлённый анализ рынка труда США на основе данных ADP. Согласно их оценке, занятость работников в возрасте от 22 до 25 лет в профессиях, наиболее подверженных воздействию ИИ, оказалась на 19% ниже ожидаемого уровня по сравнению с молодыми работниками в менее затронутых профессиях. При этом сопоставимого разрыва у опытных работников исследователи не обнаружили.
Эти данные не доказывают, что ИИ уже уничтожил 19% рабочих мест, и не означают, что все изменения вызваны только искусственным интеллектом. Но они показывают важную тенденцию: молодые работники могут столкнуться с последствиями автоматизации раньше, чем специалисты, уже закрепившиеся на рынке.
Исследование Stanford Digital Economy Lab
Эту проблему связывает с более широким сценарием интервью с Дэниелом Кокотайло — бывшим сотрудником OpenAI и одним из авторов сценарных прогнозов о будущем ИИ.
Кокотайло предупреждает: ведущие компании могут стремиться автоматизировать не только отдельные операции, но и собственный процесс разработки искусственного интеллекта.
Сначала речь идёт о программировании. ИИ помогает писать, проверять и исправлять код. Затем автоматизации подвергаются другие элементы исследовательской работы:
Если такая система будет работать эффективно, компании получат возможность использовать ИИ для создания следующего поколения ИИ.
Это уже качественно иной процесс. В обычной автоматизации машина ускоряет отдельную производственную функцию. Здесь же автоматизируется сам механизм технологического развития.
Экономика получает не просто более производительный инструмент, а инструмент, способный ускорять создание последующих инструментов.
Именно поэтому обычные оценки занятости могут оказаться недостаточными. Если ИИ постепенно заменяет отдельные операции, рынок успевает адаптироваться. Но если он начинает ускорять собственное развитие, временной разрыв между появлением новой технологии и реакцией общества может резко увеличиться.
Кокотайло подчёркивает, что массовая потеря рабочих мест не обязательно должна начаться сразу.
Компании могут сначала использовать ИИ внутри собственных организаций. Они будут сокращать время на разработку, исследование и управление, но не обязательно сразу распространять самые мощные системы на весь рынок.
В результате экономика некоторое время может демонстрировать устойчивые показатели:
При этом внутри отдельных профессий уже происходят изменения. Сокращается число вакансий для начинающих сотрудников, меняется структура обязанностей, растёт значение контроля над ИИ, а привычные навыки быстрее теряют ценность.
Поэтому отсутствие общего скачка безработицы нельзя автоматически считать доказательством отсутствия угрозы. В начале перехода важнее отслеживать не только увольнения, но и:
Рынок труда может ухудшаться постепенно, ещё не отражаясь в общей статистике занятости.
Даже если исключить сценарий враждебного ИИ, остаётся вопрос: кто будет контролировать системы, способные выполнять значительную часть экономической работы?
В интервью подчёркивается, что развитые ИИ-системы могут стать источником огромной концентрации влияния. Организация, располагающая наиболее мощными моделями, получает преимущество не только в производительности, но и в:
В таком случае возникает риск, что основная проблема будет заключаться не в том, что «машины захватят власть», а в том, что власть окажется у очень небольшой группы людей, контролирующих машины.
ИИ может оставаться формально подчинённым человеку, но под человеком в таком случае будет пониматься не общество в целом, а несколько компаний, государственных структур или владельцев вычислительной инфраструктуры.
Это принципиально меняет вопрос о будущем труда.
Речь идёт уже не только о том, будет ли у человека работа. Важно понять, сохранит ли он экономическую и политическую возможность влиять на правила, по которым организована его жизнь.
ИИ способен сделать экономику намного производительнее. Но техническая возможность производить больше не отвечает на вопрос, кому достанется полученный результат.
Если один сотрудник с помощью ИИ выполняет работу, для которой раньше требовались три человека, возникшая выгода может быть направлена по-разному:
Технология сама по себе не определяет, какой вариант будет выбран.
В интервью эта проблема рассматривается через идею гражданских дивидендов — регулярных выплат населению, финансируемых за счёт доходов от автоматизированной экономики. Если большую часть работы выполняют ИИ и роботы, обществу необходимо найти механизм, благодаря которому люди сохранят доступ к результатам производства.
Но это уже не технический вопрос. Это вопрос собственности, налогов и политического устройства.
Если автоматизированные системы принадлежат небольшому числу компаний, а доходы большинства зависят от продажи собственного труда, возникает структурное противоречие. Производственная мощность экономики растёт, но доля людей в распределении этой мощности может сокращаться.
Общество может прийти к периоду материального изобилия, в котором значительная часть населения будет испытывать экономическую неуверенность.
Сторонники быстрого развития ИИ часто говорят о будущем, где труд перестанет быть необходимостью. Человек сможет работать по желанию, заниматься творчеством, образованием, семьёй или общественной деятельностью.
Такой исход возможен, но он не возникает автоматически.
Чтобы работа действительно стала выбором, а не условием выживания, должны существовать:
Иначе «работа по желанию» может означать лишь то, что часть людей лишилась возможности получить доход, а контроль над экономикой перешёл к тем, кто владеет ИИ.
Человек без работы не обязательно становится свободным. Он становится свободным только тогда, когда способен самостоятельно распоряжаться своей жизнью и имеет реальную долю в создаваемом обществом богатстве.
Интервью Кокотайло важно не потому, что его прогнозы о сроках появления сверхразума обязательно сбудутся. Эти оценки остаются спорными и зависят от большого числа неизвестных факторов.
Главная ценность интервью в другом. Оно показывает возможную связь между текущими изменениями и более радикальным будущим.
Сегодня ИИ автоматизирует отдельные задачи. Завтра он может начать автоматизировать целые отделы. Затем — процессы разработки, управления и создания новых технологий. На каждом этапе человек может сохранять формальную роль, но терять часть реальной самостоятельности.
Самый реалистичный риск на ближайшем этапе заключается не в том, что искусственный интеллект внезапно объявит себя правителем мира.
Риск заключается в постепенном изменении общественного договора:
В этом смысле сценарий потери контроля начинается задолго до появления сверхразума.
Он начинается в тот момент, когда общество передаёт машинам всё больше функций, но не создаёт механизмов, позволяющих людям сохранить доход, компетентность и политическое влияние.
Именно поэтому обсуждать регулирование ИИ необходимо не после того, как массовая автоматизация станет очевидной для всех, а до того, как экономика окажется от неё зависимой. Чем больше рабочих процессов, государственных услуг и систем принятия решений будет построено вокруг нескольких передовых моделей, тем дороже и болезненнее окажется попытка изменить правила.
У человечества всё ещё есть возможность выбрать направление развития.
Но для этого необходимо обсуждать не только то, насколько умными станут машины. Не менее важны вопросы, которые обычно остаются за рамками технологических презентаций:
Кому будут принадлежать системы, выполняющие основную часть работы?
Кто получит доход от роста производительности?
Как будет воспроизводиться человеческая экспертиза?
Какие решения останутся за людьми?
И смогут ли люди изменить правила после того, как перестанут быть экономически необходимыми?
Наша деятельность ведется на общественных началах и энтузиазме. Мы обращаемся к Вам с просьбой оказать посильную помощь нашей экспертной и правозащитной деятельности по защите традиционной семьи и детей России от западных технологий и адаптированных с помощью лоббистов законов. С Вашей помощью мы сможем сделать еще больше полезных дел в защите традиционной Российской семьи!
Для оказания помощи можно перечислить деньги на карту СБЕРБАНКА 4276 5500 3421 4679,
получатель Баранец Ольга Николаевна
или воспользуйтесь формой для приема взносов:
