Настоящее преимущество ИИ начинается, когда человек перестает ограничивать себя

Последние два года мы обсуждаем, насколько искусственный интеллект быстрее пишет тексты, анализирует данные и создает код. Но, возможно, его главное влияние вообще не связано с производительностью. Все больше исследований показывают: технология меняет поведение людей. Она снижает стоимость первой попытки, делает доступными новые занятия и заставляет человека пересматривать собственные ограничения. Если раньше он спрашивал: «Смогу ли я?» (а то и вовсе не задавал себе такого вопроса), то теперь все чаще звучит: «Почему бы не попробовать?»

В исследованиях McKinsey, Microsoft, Гарвардской школы бизнеса, MIT и десятках академических работ возникает одна и та же мысль. Да, она пока редко становится главным выводом, но все чаще появляется между строк. Искусственный интеллект меняет не только то, как люди работают. Он начинает менять то, на что они вообще решаются.

Одни впервые пишут код, никогда этому не учившись. Другие запускают собственные продукты. Третьи берутся за задачи, которые еще год назад считали слишком сложными для себя, а то и вовсе не замечали таких возможностей. Это происходит настолько часто, что возможно, мы наблюдаем более глубокое изменение. Искусственный интеллект постепенно меняет представление человека о собственных возможностях. Если это так, то главный вопрос уже не в том, сколько времени экономит ИИ, а в том, почему люди вдруг начинают делать то, чего раньше даже не пытались.

Почему большинство идей так и не реализуются?

Мы привыкли объяснять это нехваткой ресурсов. Нет денег. Нет команды. Нет опыта. Нет нужных знакомств. Кажется, именно эти причины чаще всего мешают открыть бизнес, создать продукт, освоить новую профессию или просто попробовать себя в незнакомом деле.

Но исследования человеческого поведения рисуют более сложную картину. Очень часто главным ограничителем становятся не внешние обстоятельства, а внутреннее убеждение: «Это не для меня», «Я не справлюсь», «У меня не получится». Психологи называют это самоэффективностью (self-efficacy), верой человека в собственную способность справиться с новой задачей. Именно она во многом определяет, начнет человек действовать или остановится еще до первой попытки. Основы этой теории еще в 1970-х сформулировал Альберт Бандура, и с тех пор она подтверждалась в сотнях исследований от образования и медицины до спорта и предпринимательства.

Особенно хорошо этот эффект изучен в предпринимательстве. Еще задолго до появления ChatGPT исследователи обратили внимание, что успех нового проекта зависит не только от капитала, опыта или связей. Не меньшее значение имеет предпринимательская самоэффективность (entrepreneurial self-efficacy) — уверенность человека, что он способен найти идею, разобраться в рынке, принять решение, пережить неудачу и довести дело до результата.

Именно эта уверенность, как показывают десятки исследований, часто влияет на запуск нового проекта сильнее, чем доступ к ресурсам. Два человека могут обладать одинаковыми знаниями, работать в одной отрасли и видеть одну и ту же возможность. Один начинает действовать почти сразу. Второй даже не пытается. Не потому, что объективно не может, а потому, что заранее считает задачу слишком сложной.

Экономисты описывают похожую проблему уже другими словами, как стоимость первой попытки. Любой новый проект требует вложений еще до того, как станет понятно, есть ли у него шанс на успех. Нужно провести исследование рынка, подготовить финансовую модель, собрать прототип, сделать сайт, придумать название, протестировать спрос. Даже если потом окажется, что идея не работает, время и деньги уже потрачены.

Именно поэтому большинство проектов умирает еще до старта работ. Кирк Дрейк, основатель консалтинговой компании CU 2.0, предлагает посмотреть на проблему под неожиданным углом. По его мнению, главным ограничением становятся не технологии и не их стоимость.

Большинство организаций уже обладают знаниями, необходимыми для работы ИИ, но эти знания разбросаны по письмам, презентациям, документам и головам сотрудников. Пока они не структурированы, для искусственного интеллекта они остаются просто информационным шумом.

Любопытно, что к похожему выводу приходят и российские компании. Руководитель направления Т1 ИИ Сергей Голицын называет искусственный интеллект своеобразным индикатором цифровой зрелости: технология не создает знания сама по себе, а скорее выявляет, насколько они уже структурированы внутри компании.

На первый взгляд это замечание касается внедрения искусственного интеллекта. Но если посмотреть шире, оно описывает гораздо более интересный феномен. Возможно, главным ограничителем долгое время были не деньги, не технологии и даже не знания. Главным ограничителем было представление человека о том, что ему вообще по силам.

И если это действительно так, возникает следующий вопрос. Что произойдет, если резко снизить стоимость первой попытки?

Что изменилось?

Похоже, именно это и произошло. Генеративный искусственный интеллект не сделал человека экспертом во всем и не отменил необходимость учиться. Но он резко сократил дистанцию между мыслью «было бы интересно» и первым результатом, который уже можно увидеть, показать другим и проверить на практике.

Еще недавно любая идея довольно быстро упиралась в список вопросов, на которые у ее автора не было ответов. Как оценить рынок? Сколько потребуется денег? Кто сделает сайт? Как собрать прототип? Где найти дизайнера, программиста или хотя бы человека, способного объяснить, с чего начинать? Даже чтобы выяснить, стоит ли проект дальнейших усилий, часто сначала приходилось собрать небольшую команду и вложить вполне реальные деньги.

Теперь часть этого пути можно пройти самостоятельно. Попросить ИИ разобрать рынок, найти слабые места в идее, подготовить первую финансовую модель, собрать структуру сайта, написать код простого приложения или превратить несколько разрозненных мыслей в понятный план действий. Все это может оказаться неточным, поверхностным или просто неправильным. Но раньше у человека часто не было даже этого черновика. Значение имеет вовсе не качество результата. Важнее то, что результат вообще появляется, появляется само ощущение возможности этого.

Исследователи проанализировали более 160 тыс. запусков на Product Hunt и обнаружили, что после появления ChatGPT люди стали заметно чаще выпускать продукты в одиночку. Особенно выросло число самостоятельных авторов в категориях, где раньше для запуска обычно требовалась команда. При этом верхние позиции по-прежнему чаще занимали коллективные проекты. ИИ не сделал одного человека сильнее любой команды. Он позволил ему дойти до этапа, о котором раньше он даже не помышлял.

Похожий эффект обнаружился и за пределами платформ для технологических энтузиастов. Исследование регистраций новых компаний в Китае показало, что после выхода ChatGPT предпринимательская активность сильнее росла там, где уже существовали связанные с ИИ компетенции. Особенно заметным эффект оказался среди небольших компаний, бизнесов с низкой потребностью в капитале и людей, которые раньше не занимались предпринимательством. Новые фирмы чаще создавались с меньшим числом участников, более компактными командами и меньшим стартовым капиталом.

Уживется ли ИИ с системой традиционного образования

Авторы этих работ не утверждают, что искусственный интеллект делает новые продукты лучше, а компании успешнее. Данных для такого вывода пока нет. Но они показывают, что начать стало проще настолько, что изменилось само число попыток.

Пожалуй, именно поэтому в российских исследованиях все чаще звучит мысль, что главный эффект ИИ определяется не самой моделью, а готовностью человека и организации изменить привычный способ работы.

И это касается не только бизнеса. Человек без опыта в программировании может собрать работающий скрипт для собственной задачи. Сотрудник, никогда не занимавшийся аналитикой, разобраться в таблице и впервые проверить свою гипотезу на данных. Автор, годами носивший в голове идею книги, наконец увидеть первую главу. Да, не всегда хорошую. Часто даже совсем не ту, которую хотелось. Но уже существующую в словах и предложениях, которую можно править, обдумывать, развивать.

Раньше незнакомая задача часто представлялась как отдельная область знаний, которую сначала нужно освоить. Теперь она все чаще выглядит как новый вопрос, который можно задать прямо сейчас.

И здесь стоимость первой попытки перестает быть только экономическим понятием. Когда между идеей и первым результатом становится всего несколько часов, а не несколько месяцев, человек иначе оценивает уже самого себя.

Еще вчера он был уверен, что не умеет писать программы, анализировать данные или создавать продукты. Сегодня перед ним лежит пусть несовершенный, но вполне работоспособный результат. И тогда появляется следующий вопрос: что происходит с человеком после первой удачной попытки?

Что происходит после первой удачной попытки?

Обычно мы представляем уверенность как условие действия. Сначала человек должен поверить в себя, преодолеть страх, решиться — и только потом что-то сделать. Исследования самоэффективности показывают, что чаще все происходит в обратном порядке. Человек сначала получает небольшой, но реальный результат. И уже после этого начинает верить, что способен на большее.

Альберт Бандура называл такой опыт успешного действия mastery experience — опытом овладения задачей. Среди всех источников самоэффективности он считал его самым сильным. Уговоры, чужой пример и ободряющие слова могут поддержать человека. Но ничто не убеждает так, как собственный результат: я попробовал, у меня получилось, значит, в следующий раз можно взяться за что-то сложнее.

До появления генеративного ИИ такой опыт приходилось накапливать постепенно, часто годами. Новичок учился на курсах, наблюдал за более опытными коллегами, выполнял простые задания и постепенно переходил к более сложным. Между первой заинтересованностью и реальным результатом могли пройти месяцы. Часто человек терял интерес намного раньше. Иногда даже решал, что у него просто нет способностей, или ссылался на отсутствие времени, чтобы пройти весь путь.

ИИ существенно сокращает эту дистанцию. Нет, он, конечно, не передает человеку многолетний опыт и не превращает его в профи или эксперта. Но помогает быстрее дойти до момента, когда что-то начинает получаться. Пусть пока и с подсказками и не идеально. Для изменения самооценки этого часто вполне достаточно.

Показательный результат получили Эрик Бриньолфссон, Даниэль Ли и Линдси Реймонд, изучив работу более 5 тыс. сотрудников клиентской поддержки. Доступ к ИИ-помощнику в среднем повысил производительность, но эффект распределился крайне неравномерно. Сильнее всего выиграли менее опытные и менее квалифицированные сотрудники. Они быстрее перенимали приемы лучших коллег, повышали скорость и качество работы и заметно быстрее двигались по обычной кривой обучения. Опытные специалисты получили гораздо меньшую прибавку.

Исследователи предполагают, что ИИ в этом случае действовал как канал передачи неявных знаний. Система была обучена на миллионах удачных и неудачных кейсах и в реальном времени подсказывала сотруднику, что ответить клиенту. Новичку уже не приходилось самостоятельно прорабатывать все возможные ситуации и годами выяснять, какие приемы работают лучше. Часть этого опыта становилась доступна прямо во время общения.

Важно, что речь шла не только о росте числа обработанных обращений. После появления помощника улучшилось отношение клиентов к сотрудникам, а текучесть кадров снизилась. Авторы также нашли признаки того, что работники чему-то учились у системы, а не просто механически копировали предложенные ответы. ИИ не только помогал выполнить текущую задачу. Он давал новичку возможность раньше почувствовать, что тот способен с ней справиться.

Похожий механизм можно увидеть и за пределами производственной деятельности. Исследование с участием 1326 студентов MBA показало, что использование ChatGPT было связано с лучшим распознаванием предпринимательских возможностей, ростом знаний о цифровом бизнесе и более высокой предпринимательской самоэффективностью. Эта уверенность, в свою очередь, усиливала намерение открыть собственное дело и переходить от размышлений к реальным действиям.

Это вовсе не доказывает, что несколько диалогов с чат-ботом превращают человека в предпринимателя. Здесь легко перепутать причину и следствие: возможно, люди, изначально настроенные на запуск бизнеса, просто активнее используют ИИ. Но вместе с данными о росте числа одиночных запусков и новых небольших компаний появляется достаточно интересная картина. ИИ не только облегчает исполнение идеи. Он меняет оценку ее осуществимости.

ИИ в современном образовании. Что изменили технологии

То, что вчера выглядело как неизведанная область, сегодня становится вполне себе реализуемой задачей. Результат повышает уверенность. Уверенность увеличивает масштаб следующей попытки. Через некоторое время человек использует ИИ уже не для того, чтобы быстрее делать привычную работу, а чтобы заходить в области, которых раньше избегал или просто не замечал.

И тут возникает вопрос, а что именно изменилось: возможности человека или только его уверенность в них? Исследования Гарвардской школы бизнеса показывают, что это не одно и то же. Генеративный ИИ действительно помогает новичкам придумывать идеи, формулировать проблемы и выстраивать общую концепцию решения. Но на стадии детального исполнения разрыв между новичком и экспертом никуда не исчезает. Когда для результата нужны глубокие знания, понимание контекста и способность распознавать скрытые ошибки, ИИ не превращает начинающего специалиста в профессионала.

Получам двойственный эффект. ИИ позволяет человеку раньше получить первый результат и тем самым расширяет границы того, на что тот готов решиться. Но тот же первый успех может создать ощущение, что уже освоена вся область, хотя на самом деле это самообман.

Уверенность заставляет человека двигаться дальше. Самоуверенность мешает заметить, где на самом деле заканчиваются его знания. И именно здесь преимущество ИИ впервые оборачивается риском.

Но действительно ли человек стал сильнее?

Здесь история становится гораздо интереснее. Одна из самых известных работ последних лет была проведена Гарвардской школой бизнеса совместно с Boston Consulting Group. Консультантам предложили решать реальные бизнес-задачи, часть участников работала с GPT-4, часть — без него. Первые результаты выглядели вполне ожидаемо: с помощью ИИ специалисты быстрее выполняли задания и в среднем предлагали более качественные решения. Но исследователей заинтересовало совсем другое.

Оказалось, что преимущество искусственного интеллекта заканчивается не постепенно, а почти мгновенно.

Пока задача находилась в той области, где модель действительно была сильна, качество работы заметно росло. Но стоило сделать шаг за эту границу, как количество ошибок резко увеличивалось. Причем ответы ИИ выглядели столь же уверенно, как и правильные.

Искусственный интеллект действительно позволяет человеку гораздо быстрее войти в незнакомую область. Но пройти ее до конца ему по-прежнему приходится самостоятельно. Он может написать первый работающий код, но не научит понимать архитектуру сложной системы. Поможет провести анализ данных, но не заменит знание предметной области. Поможет собрать первую версию продукта, но не подскажет, почему пользователи выбирают одно решение и игнорируют другое.

Раньше главным препятствием было отсутствие знаний, опыта или ресурсов. Теперь все чаще препятствием становится способность отличить момент, когда искусственный интеллект действительно помогает разобраться в задаче, от момента, когда он лишь создает иллюзию понимания, хоть и очень убедительную.

И это, возможно, меняет сам смысл профессиональной компетентности. Если раньше ценилось умение быстро найти нужную информацию (наша классическая высшая школа), то сегодня ценность приобретает уже способность критически ее оценить, проверить, сопоставить с контекстом и вовремя заметить ошибку. Информацию найти стало значительно проще, сложнее стало оценить ее достоверность.

ИИ действительно расширяет возможности человека. Но он не сокращает путь к профессионализму, а лишь позволяет быстрее сделать первые шаги. Дальше все по-прежнему зависит от способности учиться, сомневаться, проверять собственные выводы и постепенно превращать первый удачный опыт в реальную компетентность.

Любопытно, что похожий разрыв сегодня наблюдается и на уровне компаний, отмечает IT-World. Пока сотрудники все чаще ощущают рост собственной эффективности, измеримый эффект для бизнеса оказывается значительно скромнее. Возможно, дело именно в том, что уверенность появляется быстрее, чем реальные изменения процессов и компетенций.

Но если искусственный интеллект действительно меняет поведение миллионов людей и делает первый шаг доступнее практически в любой интеллектуальной сфере, что это изменит не только для отдельного человека, но и для экономики, образования и самого устройства рынка труда?

Когда попыток становится больше

До сих пор мы говорили об отдельном человеке. Но что происходит, если первая попытка становится доступной сразу для миллионов людей? На первый взгляд ответ кажется очевидным. Люди начинают быстрее работать, компании экономят время, производительность растет. Именно вокруг этого сегодня строится большинство дискуссий об искусственном интеллекте.

Но история технологий подсказывает другую закономерность. Каждый раз, когда резко снижалась стоимость входа в новую деятельность, главным последствием становилось не то, что специалисты работали быстрее. Менялось другое — резко увеличивалось число людей, которые вообще решались попробовать.

Когда появились конструкторы сайтов, миллионы небольших компаний впервые вышли в интернет без команды разработчиков. Облачные сервисы избавили стартапы от необходимости покупать собственные серверы. Цифровые камеры, а за ними смартфоны, уже превратили фотографию в повседневную привычку. Каждый раз новая технология не столько улучшала уже существующую деятельность, сколько делала ее доступной для огромного числа новых участников.

Похоже, генеративный искусственный интеллект запускает похожий процесс. Еще недавно между идеей и первым работающим результатом стояли недели подготовки, поиск специалистов и вполне ощутимые расходы. Сегодня этот путь нередко укладывается в один вечер. Неудивительно, что исследования начинают фиксировать рост новых небольших компаний, самостоятельных проектов и предпринимательской активности среди людей, которые раньше даже не задумывались о собственном бизнесе.

Конечно, большинство этих попыток ничем не закончится. Так было всегда. Большинство новых компаний закрывается. Большинство книг остаются недописанными. Большинство идей не выдерживает проверки реальностью.

Но если стоимость первой попытки падает в разы, меняется не вероятность успеха отдельного проекта. Меняется количество самих попыток. А вместе с ним и число людей, которым все-таки удается найти работающее решение.

Возможно, именно здесь скрывается эффект, который пока почти не обсуждают. Мы продолжаем измерять влияние искусственного интеллекта сэкономленными часами, скоростью написания кода или количеством автоматизированных задач. Но это лишь те результаты, которые легко посчитать.

Гораздо труднее ответить, сколько новых проектов, исследований, книг, сервисов, компаний и просто хороших идей вообще появится только потому, что миллионы людей впервые решили попробовать?

И если это действительно главный эффект искусственного интеллекта, то меняется уже не только поведение отдельных людей. Начинает меняться сама среда, в которой рождаются новые идеи.

Возможно, мы вообще не там ищем

На протяжении всей статьи разные исследования неожиданно складывались в одну картину. Сначала выяснилось, что человека часто ограничивают не обстоятельства, а собственные представления о своих возможностях. Затем оказалось, что генеративный ИИ резко снижает стоимость первой попытки. После этого исследования начали фиксировать рост самостоятельных проектов, новых компаний и людей, которые впервые берутся за задачи, еще недавно казавшиеся им недоступными. Каждая из этих работ отвечает на свой вопрос. Но вместе они заставляют задать другой: что, если главное преимущество искусственного интеллекта вообще не в автоматизации и не в повышении производительности?

Возможно, его главный эффект в том, что он меняет представление человека о том, что для него вообще возможно. Не делает талантливее. Не отменяет необходимость учиться. Не заменяет опыт и профессиональное мастерство. Он лишь убирает часть внутренних барьеров перед первой попыткой. Именно поэтому кто-то впервые пишет программу, кто-то запускает компанию, кто-то начинает исследование, на которое раньше не решался, а кто-то наконец садится за книгу, которую откладывал много лет. Не потому, что искусственный интеллект сделал это вместо него. А потому, что впервые исчезло ощущение: «Я все равно не справлюсь».

Конечно, большинство таких попыток закончится так же, как заканчивалось всегда. Большинство новых компаний закроется. Большинство книг останется недописанным. Большинство идей не выдержит столкновения с реальностью. Но, возможно, мы слишком долго смотрели не туда. Это тоже своего рода ошибка выжившего. Мы привыкли изучать успешные проекты и почти никогда не задумывались о тех, которые так и не появились. Об идеях, от которых отказались еще до первого шага. О компаниях, которые не были созданы. Об исследованиях, которые никто не начал. О книгах, которые никто не написал.

Если эта гипотеза верна, то через несколько лет влияние искусственного интеллекта будут измерять совсем не количеством автоматически написанных текстов, строк кода или сэкономленных часов. Не случайно сегодня все чаще проводят параллели с парадоксом производительности. Технологии уже меняют поведение людей, но привычные показатели пока почти не способны уловить эти изменения. Возможно, пройдет еще несколько лет, прежде чем мы поймем, что главным результатом стали не сэкономленные часы, а новые идеи, продукты, компании, исследования и открытия, которые появились только потому, что однажды кто-то перестал ограничивать собственный потенциал и впервые сказал себе: «Почему бы не попробовать?»