Данные Google опровергают опасения: работники не заменяют себя ИИ вопреки ажиотажу

Все, кто следит за развитием искусственного интеллекта, уже привыкли к громким заявлениям о том, что ИИ-модели скоро превзойдут людей во всём и смогут заменить значительную часть рабочей силы. Однако новое исследование Google Research показывает, что реальность далека от этих прогнозов. Команда учёных, изучившая, как работники на самом деле используют Gemini, «не обнаружила доказательств, подтверждающих утверждения о том, что ИИ вот-вот вызовет массовую автоматизацию и вытеснение работников умственного труда».

Исследование, опубликованное на прошлой неделе, представляет «AI & Economy ATLAS» — масштабный анализ активности, задач, ландшафта и внедрения искусственного интеллекта. В его рамках были изучены 15 миллионов анонимных взаимодействий с ИИ через приложение Gemini, режим Google AI Mode и Gemini API. Предварительный анализ данных показывает, что, хотя ИИ действительно активно используется в самых разных профессиях, это использование «остаётся поверхностным и по большей части вспомогательным по своему характеру, а сквозная автоматизация задач ограничена по масштабам».

Чтобы прийти к таким выводам, исследователи Google применили автоматический классификатор для сортировки рабочих взаимодействий с ИИ, используя стандартную классификацию профессий Бюро статистики труда США и более детальную базу данных O*NET. Хотя этот метод требовал вероятностной классификации «изначально неопределённых» взаимодействий, проверка экспертами подтвердила, что он надёжно отражает то, как работники используют Gemini в своих профессиональных целях.

Неудивительно, что работники умственного труда в таких сферах, как компьютеры, финансы, искусство и развлечения, оказались в числе тех, кто использует Gemini чаще других (по сравнению с их долей в экономике США). Финансовые и рыночные аналитики, разработчики программного обеспечения и системные администраторы вошли в число наиболее активных пользователей ИИ для решения рабочих задач. В то же время продавцы, работники транспорта и сферы общественного питания оказались значительно менее представлены в данных об использовании ИИ.

Исследователи также попытались измерить глубину внедрения ИИ в различные профессии, анализируя, как часто отдельные конкретные задачи из базы O*NET решались с помощью Gemini. Во всей этой базе данных специалисты ATLAS классифицировали лишь 21 процент всех рабочих задач как «задачи Gemini» — те, которые достигли минимального порога в 25 связанных взаимодействий в масштабной выборке.

Для многих профессий (29 процентов) ни одна рабочая задача не достигла этого «существенного» порога использования Gemini, что говорит о минимальном влиянии ИИ-революции на эти сферы пока что. Ещё для 30 процентов всех профессий менее четверти отслеживаемых задач показали значительное использование Gemini, то есть люди по-прежнему выполняют подавляющее большинство составных частей своей работы.

Лишь в 3 процентах профессий Gemini регулярно использовался как минимум для трёх четвертей соответствующих задач. В эту категорию попали такие специальности, как аналитики и тестировщики программного обеспечения, специалисты по управлению персоналом и документами — они оказались наиболее подвержены влиянию ИИ в рамках данного исследования.

В совокупности эти данные позволяют учёным утверждать, что «ИИ в настоящее время служит прежде всего дополнением к существующей работе», а «ИИ полезен для подмножества задач внутри профессий, но в настоящее время не используется всесторонне для выполнения всей работы, которую делают люди». Хотя исследователи отмечают, что ситуация может измениться «по мере появления новых прорывов в области ИИ», не исключено, что новые рабочие процессы «сохранят определённую степень взаимодополняемости между работниками и системами ИИ».

Помимо анализа профессий в целом, исследователи Google также изучили конкретные виды рабочих задач, которые пользователи Gemini поручают модели. Когнитивные задачи (то есть те, которые требуют преимущественно мыслительной деятельности) составили колоссальные 86 процентов всех взаимодействий с Gemini (по объёму), в то время как задачи межличностного общения и ручного труда были представлены в выборке гораздо меньше, чем в реальной рабочей практике.

Однако это не означает, что такие модели, как Gemini, бесполезны для более «синих воротничков». Исследователи обнаружили тысячи примеров, когда механики промышленного оборудования использовали Gemini для «анализа результатов испытаний и сообщений об ошибках машин», а также десятки тысяч диалогов, где автомеханики обращались к Gemini за помощью в «тестировании компонентов и систем автомобиля, перемонтаже проводки и осмотре деталей на предмет износа». Примечательно, что эти работники гораздо чаще, чем другие, присылали Gemini фотографии для справки, а не текст.

Что касается когнитивной работы, большинство значимых задач Gemini было связано либо с «созданием и генерацией идей», либо с «поиском информации и обучением». Меньшая часть попала в категорию автоматизации рабочих задач, даже для тех частей работы, которые были признаны «рутинными».

Важно отметить, что когнитивные задачи, которые работники перекладывали на ИИ, в подавляющем большинстве не требовали высокой квалификации (судя по сложности и разнообразию используемых в их описаниях слов). Задачи с низким уровнем экспертизы, такие как переписывание материала на разных языках или составление и проверка спецификаций продуктов, были значительно перепредставлены в выборке Gemini. Это говорит о том, что люди гораздо реже используют модель для самых сложных аспектов своей работы.

В целом все эти данные свидетельствуют о том, что работники не «автоматизируют себя до исчезновения» с помощью ИИ. Напротив, сотрудники overwhelmingly используют ИИ для «расширения своих возможностей: автоматизации рутинных когнитивных задач и одновременного сотрудничества с ИИ при выполнении нестандартной когнитивной работы». Исследователи отмечают, что ситуация может измениться, если будущие модели станут более полезными для задач высокой сложности или если роботы на базе ИИ научатся лучше выполнять ручные операции. Однако текущие паттерны использования Gemini для рабочих задач указывают на «большую отдачу от человеческих навыков в нестандартных аспектах», которые по-прежнему доминируют в большинстве должностных инструкций.