ИИ перевернул работы кодеров, и сегодня почти никто не пишет программы руками. Но другую офисную работу выполнять он почти не способен. Почему выиграли только программисты и можно ли это изменить - в материале The Economist
Рабочие будни программистов из Кремниевой долины за последние годы сильно изменились. Как и раньше, они производят огромные объемы кода, но вместо печати они теперь шепчут в микрофоны. Искусственный интеллект расшифровывает их инструкции и передает ИИ-агентам, которые могут взаимодействовать с софтом и самостоятельно писать код.
"Другие офисные работники пока еще не в этом мире", - говорит сотрудник OpenAI Колин Джарвис. Что ждет его работодателя, как и все ИИ-компании, сильно зависит от того, изменится ли это. Чтобы оправдать колоссальные расходы на центры обработки данных, американским облачным гигантам и ИИ-лабораториям нужно добиться гораздо более быстрого и широкого внедрения технологии. По подсчетам The Economist, для покрытия затрат на строительство дата-центров совокупная годовая выручка ИИ-компаний к концу десятилетия должна достичь $2,5 трлн в год по сравнению со $150 млрд сегодня.
Разработчики ПО пока используют эту технологию гораздо чаще, чем кто-либо еще. По данным онлайн-форума для программистов Stack Overflow, 80% работников пишут код с его помощью. В июне прошлого года совокупная выручка стартапов для ИИ-кодинга Cognition, Cursor, Lovable и Replit составляла $800 млн, а сегодня она выросла до $6 млрд. Исследовательская компания SemiAnalysis считает, что даже у гигантов Anthropic и OpenAI более половины выручки приходится именно на инструменты для программирования.
Это объясняет, почему ИИ быстрее распространялся именно там, где на программистов приходится значительная часть занятых. Оптимисты могут посчитать, что это свидетельствует о начале бума ИИ и его дальнейшем росте по мере развития других способов применить технологию. Но есть немало причин, по которым программирование может стать исключением из правил.
Обычно самыми перспективными для ИИ направлениями называют юриспруденцию, финансы и клиентский сервис, и эти сферы действительно переживают стремительный рост. Разработчики юридических инструментов Harvey, Clio и Legora удвоили свою выручку до $1 млрд. Harvey утверждает, что каждый месяц юристы проводят на платформе в два раза больше времени. Банкиры и другие специалисты финансовой сферы тоже начали осваивать ИИ. ИИ-стартап финансовых инструментов Rogo за последний квартал привлек 100 корпоративных клиентов и увеличил выручку на 50%.
ИИ стремительно развивается и в сфере обслуживания клиентов. Sierra, которая создает инструменты для этих целей, в июне достигла выручки $200 млн, что вдвое больше, чем в ноябре прошлого года. Венчурные инвесторы настроены оптимистично и с начала года вложили $3 млрд в ИИ-стартапы в этой области, больше, чем в любую другую категорию ИИ-приложений. Инвестиции в стартапы для ИИ-кодинга сократились, потому что на рынке сейчас доминируют собственные инструменты от ИИ-лабораторий, такие как Claude Code и Codex.
Во многом эти направления похожи на программирование, потому что работа здесь часто шаблонная, но программирование отличают еще четыре фактора, которые редко встречаются вместе в других сферах. Это доступность данных для обучения, простота проверки результатов работы модели, степень вовлеченности человека в работу и сами инженеры-программисты. ИИ-компании пытаются сделать другие рынки более похожими на программирование, но добиться этого будет непросто.
ИИ оказался настолько успешным помощником в программировании, из-за того что в интернете опубликованы огромные объемы кода, на которых обучались модели. В некоторых случаях на программы с открытым кодом приходилось до 20% всех обучающих данных. Такого объема контента, связанного с жалобами клиентов или переговорами по контрактам, просто не существует.
Написанный ИИ код относительно легко проверяется. Тестирование программного обеспечения - это стандартная часть работы, и один фрагмент кода проверяет другой. Это повышает вероятность того, что любые ошибки в написанной ИИ программе будут обнаружены, до того как они приведут к серьезным последствиям. Более того, тестирование помогает улучшать работу моделей. Гораздо сложнее оценить, удалось ли модели успокоить разгневанного клиента или должным образом учесть нюансы бухгалтерской отчетности компании.
Еще одно преимущество - это то, что большая часть нужной для выполнения задачи информации уже существует в кодовой базе программы или может быть получена через цифровые каналы, соединяющие программное обеспечение, известные как интерфейсы прикладного программирования, или API. Во многих других ситуациях критически важной информации просто нет в цифровом виде, а вместо этого она находится в голове сотрудника контакт-центра или спрятана в жестах и мимике юриста.
ИИ-компании работают над всеми этими проблемами. Глава Harvey Уинстон Вайнберг утверждает, что его компания теперь способна частично обучать свои модели на синтетических данных, сгенерированных самим ИИ. Стартапы вроде Mercor связывают ИИ-компании со специалистами из различных областей, которые делятся с моделями своим профессиональным опытом. Глава Cresta Пин Ву говорит, что благодаря анализу тысяч расшифровок разговоров call-центров его стартап способен извлекать важную информацию, например об оформлении возврата средств. Компании направляют в офисы клиентов целые легионы инженеров, чтобы устранять проблемы с искусственным интеллектом и совершенствовать его.
Последний фактор, объясняющий успех ИИ в программировании, возможно, сложнее всего воспроизвести. Это сами программисты. Будучи одновременно технарями и людьми, привыкшими к изменениям (ведь языки программирования обновляются каждые несколько лет), они естественным образом становятся первыми пользователями новых технологий. Поэтому значительная часть внедрения ИИ в программирование происходила снизу вверх, и многие программисты самостоятельно экспериментировали со многими инструментами, прежде чем они стали нормой, считает сотрудник венчурного фонда Andreessen Horowitz Аниш Ачарья.
Сотрудники call-центров же, как правило, не имеют ни стимулов, ни свободы для экспериментов, поэтому просто ждут, пока технологии внедрят сверху. Юристы и финансисты тоже склонны действовать очень осторожно, чтобы не нарушить тысячи нормативных требований.
Другие способы применения ИИ, безусловно, продолжат развиваться, и их рост даже может ускориться по мере совершенствования моделей и более спокойного отношения работодателей к передаче задач ИИ-агентам. Но пройдет немало времени, прежде чем большинство офисного планктона начнет проводить рабочие дни за шепотом в микрофон.

Материал The Economist переведен РБК и публикуется в рамках лицензионного соглашения. Оригинал статьи на английском языке - на сайте economist.com.