Экономика искусственного интеллекта: взаимосвязанные силы, петли обратной связи и скорость изменений

Искусственный интеллект формируется силами, выходящими далеко за рамки самой технологии, и его влияние столь же широко распространено. Анализ взаимодействия различных компонентов помогает нам понять, что может повлиять на его развитие, а также где могут возникнуть препятствия и возможности.

Искусственный интеллект, возможно, является самой значимой технологией нашего времени. Но насколько широко он распространится, как быстро и с какими последствиями? Ответы на эти вопросы важны почти для всех. Работники хотят знать, насколько правдоподобны прогнозы о массовой потере рабочих мест или это просто пугалка; один широко распространенный, хотя и несколько экстремальный, прогноз гласит, что ИИ может привести к сокращению до половины рабочих мест для начинающих специалистов в течение пяти лет. Инвесторы хотят знать, окупятся ли огромные суммы, вложенные в инфраструктуру, или же это приведет к избыточным мощностям и убыткам, наблюдавшимся после предыдущих бумов в железнодорожной отрасли и в сфере интернет-компаний. Политики задаются вопросом, насколько жестко следует регулировать риски, связанные с ИИ, не ставя при этом свои экономики в невыгодное положение; Китай, Европейский союз и Соединенные Штаты идут разными путями. Для генеральных директоров и технических директоров вопрос более насущный: мы внедрили технологию, так почему же мы не видим ее результатов?

На все эти вопросы нельзя ответить изолированно. Они требуют анализа, охватывающего различные дисциплины и области, так же как и сама технология. Исчезнут ли рабочие места, зависит от того, сможет ли ИИ выполнять задачи, составляющие основу работы, так же хорошо и дешево, как человек, и появятся ли новые задачи достаточно быстро, чтобы заменить те, которые он возьмет на себя. Инвестиции окупятся только в том случае, если спрос на услуги ИИ будет расти достаточно быстро, чтобы заполнить создаваемые для него вычислительные мощности — чипы, электропитание и центры обработки данных. Регуляторы сталкиваются с компромиссом: слишком медленные действия могут привести к неконтролируемым рискам; слишком быстрые — конкуренты с менее жесткими мерами могут вырваться вперед. И то, принесет ли внедрение технологии результаты, зависит не только от самой технологии, но и от ее экономической эффективности и, что немаловажно, от того, сможет ли организация адаптироваться, чтобы извлечь из нее полную выгоду.

Чтобы понять, как эти силы влияют друг на друга, нам необходимо рассматривать всю систему в целом и взаимосвязи между ее частями. Опираясь на наши предыдущие исследования и работу с клиентами, мы предлагаем общую концептуальную модель, которая связывает факторы, часто рассматриваемые по отдельности, и выявляет взаимосвязи, которые в противном случае легко упустить из виду.

В начале статьи показано, как компоненты ИИ могут расходиться во взглядах, и какие узкие места и риски возникают в результате этого. Затем эти компоненты объединяются, чтобы показать, как они вписываются в единую систему и как изменения в одной части могут повлиять на другие. Предложенная концепция является отправной точкой для осмысления важных вопросов, которые поднимает ИИ: например, как быстрое улучшение возможностей может привести к повышению производительности и экономическому росту, или как инфраструктура, организационные изменения или общественное мнение могут повлиять на внедрение. Системный подход может помочь нам понять силы, определяющие путь развития ИИ, и то, где наши решения могут иметь значение.

Несоответствие сроков: узкие места, риски и возможности

Универсальные технологии способны преобразовывать экономику и улучшать жизнь, но для реализации их полного потенциала требуется нечто большее, чем само изобретение. Необходимы взаимодополняющие инновации, новая инфраструктура, новые правила, капитал, а также люди и организации, готовые изменить свой подход к работе. Все эти элементы редко появляются одновременно, и исторически разрыв между новой возможностью и ее полной отдачей преодолевался лишь десятилетиями.

  

В первые десятилетия электрификации было сложно просто вырабатывать достаточно энергии для работы заводов и промышленного оборудования. Позже, когда эта проблема была решена, стали очевидны ограничения энергосети. Значительный рост производительности произошел только после физической перестройки заводов с учетом использования электродвигателей, что произошло еще позже. Путь развития интернета был во многом схожим: сначала нужно было построить волоконно-оптические сети, затем потребовались новые бизнес-модели, и, наконец, компаниям пришлось реорганизоваться вокруг этой технологии.


Несоответствия

Искусственный интеллект сталкивается с аналогичной проблемой: множество необходимых компонентов объединяются в совершенно разные сроки и с разными формами изменений. Возможности моделей улучшаются экспоненциально, удваиваясь, по некоторым последним данным, каждые несколько месяцев.6Физическая инфраструктура строится более линейно, зачастую на годы. Изменения в компаниях могут происходить более неравномерно и занимать больше времени, поскольку предприятия разрабатывают новые продукты и методы работы.

Когда компоненты не соответствуют друг другу, это может вызвать узкие места, замедляющие технологический прогресс или внедрение — например, когда спрос на чипы для ИИ в 2023 году превысил возможности их производства, о чем будет рассказано ниже. Для организаций период быстрого внедрения может с такой же легкостью смениться замедлением или обратным развитием, если продукт выйдет из строя или причинит непреднамеренный вред, или если внедрение технологии не принесет достаточного повышения производительности в ближайшее время. В других случаях несоответствие может создавать риски, например, когда корпоративное управление или кибербезопасность отстают от внедрения мощных новых инструментов.

На начальном этапе развития генеративного ИИ одной из первых проблем был доступ к передовым чипам и вычислительным мощностям. По мере устранения этих препятствий внимание переключилось на электроснабжение и подключение к электросетям.7Следующие ограничения, скорее всего, будут связаны с приложениями, квалификацией персонала и организационными рабочими процессами, а не с оборудованием.

(описание диаграммы, перевод). Основы искусственного интеллекта развиваются с принципиально разной скоростью.

Четыре диаграммы, расположенные рядом, охватывают те же четыре основных компонента, представленные на рисунке 1 — возможности ИИ, НИОКР, физические ресурсы и институциональная позиция — каждая из которых сопровождается небольшой иллюстрацией, показывающей ее место на исходной диаграмме. Возможности ИИ, измеряемые как продолжительность задач, которые ИИ может выполнить с 50% надежностью, растут экспоненциально, при этом последние модели, включая предварительную версию Claude Mythos от Anthropic и GPT-5.4 от OpenAI, превышают 15 часов. НИОКР, глобальные частные инвестиции в ИИ, неуклонно растут. Физические ресурсы, глобальная установленная мощность центров обработки данных, растут более постепенно. Институциональная позиция представлена ​​долей людей, которые доверяют компаниям защиту своих персональных данных, и остается на уровне около 50%. В совокупности четыре диаграммы показывают, что возможности растут быстрее, чем другие элементы.

Узкие места

К 2023 году, всего через год после запуска OpenAI приложения ChatGPT, спрос на чипы для искусственного интеллекта превысил возможности их интеграции с необходимой памятью.

Компания Nvidia, которая разрабатывает большинство процессоров, используемых в передовых системах искусственного интеллекта, создала именно тот чип, который был необходим для этой задачи — H100. Проблема заключалась в том, чтобы объединить его с памятью в одном корпусе, обеспечив тем самым достаточную скорость работы оборудования. Только одна компания могла сделать это в масштабах, необходимых для современного ИИ: TSMC, тайваньская фирма, производящая чипы для большинства крупнейших мировых технологических компаний, включая Nvidia и Apple. Но в 2023 году спрос на такие чипы превысил даже возможности TSMC по его удовлетворению. По имеющимся данным, покупателям приходилось ждать до 11 месяцев, пока будет доставлен готовый сервер на базе H100. Решением проблемы стало увеличение производственных мощностей, и компания TSMC начала наращивать темпы производства быстрее, чем когда-либо прежде.

Другие препятствия возникли в совершенно другой части системы: электроснабжении. Создание и подключение достаточного количества электростанций — задача для коммунальных предприятий и операторов сетей, а не для производителей микросхем, — является еще одним ограничением, знакомым по ранней эре электрификации. Один центр обработки данных может потреблять столько же электроэнергии, сколько небольшой город, и когда местные сети не справляются с таким новым спросом, коммунальному предприятию приходится строить новые линии электропередачи и подстанции, прежде чем объект сможет быть введен в эксплуатацию — строительство, требующее собственных разрешений и земли, в длинной очереди других проектов, ожидающих того же. Несколько крупных компаний, занимающихся разработкой ИИ в самых больших масштабах, столкнулись с этой проблемой. В ходе телефонной конференции по итогам финансового года в октябре 2025 года финансовый директор Microsoft сообщил инвесторам, что облачная вычислительная платформа компании Azure, используемая для обработки рабочих нагрузок ИИ, испытывала нехватку операционных мощностей в течение нескольких кварталов. Препятствием была нехватка электроэнергии. У Microsoft были микросхемы ИИ, которые она не могла развернуть из-за отсутствия электроснабженных, готовых к использованию площадей в центрах обработки данных. В настоящее время средний срок ввода новой электростанции в эксплуатацию в США составляет около пяти лет с момента подачи заявки на подключение к сети до начала коммерческой эксплуатации, по сравнению с менее чем двумя годами в 2008 году.

Строительство центров обработки данных само по себе становится узким местом, особенно в Соединенных Штатах, на долю которых приходится почти половина мировой установленной мощности центров обработки данных. Затраты ИИ на вычисления, электроэнергию и воду на один запрос снизились по мере повышения эффективности моделей, но общий спрос растет быстрее, чем повышение эффективности или увеличение предложения могут это компенсировать. Строительство стремительно расширяется, но всё ещё не успевает за темпами роста. Многие объекты сдаются в аренду ещё до открытия.

В некоторых местах местные сообщества оказывают сопротивление. Опасения по поводу роста цен на электроэнергию и больших, неприглядных объектов вызвали негативную реакцию, что привело к задержкам в выдаче разрешений и, в некоторых случаях, к заморозке строительства. По данным Data Center Watch, только в первом квартале 2026 года в США из-за противодействия местных жителей было заблокировано или отложено как минимум 75 проектов центров обработки данных общей стоимостью около 130 миллиардов долларов — это столько же, сколько за весь 2025 год за три месяца. В июле губернатор Нью-Йорка подписал первый в истории штата мораторий на выдачу разрешений для крупных центров обработки данных.

В условиях разворачивающейся драмы вокруг центров обработки данных возникают и другие потенциальные ограничения. Запасы меди и других критически важных минералов, необходимых для производства микросхем и проводов, демонстрируют признаки дефицита, но получение разрешений и строительство новых шахт и перерабатывающих заводов занимает годы. По прогнозам Международного энергетического агентства, если нынешние планы не будут ускорены, к середине 2030-х годов мир может столкнуться со значительным дефицитом меди. Искусственный интеллект будет конкурировать со многими другими отраслями за эти материалы. И физические ресурсы — не единственное ограничение: разработчики центров обработки данных также сообщают о нехватке инженеров и других работников, обучение которых требует времени.

Между тем, возможности ИИ развиваются в совершенно ином временном масштабе. Сложность задач, которые ИИ может надежно решать (измеряемая временем, необходимым для выполнения тех же задач человеком-экспертом), удваивалась примерно каждые семь месяцев с 2019 года и примерно каждые четыре месяца с 2023 года. Отчасти это объясняется тем, что ИИ все активнее участвует в исследованиях, направленных на его совершенствование; существующие модели теперь могут писать код, генерировать данные и проводить оценки, используемые для обучения следующего поколения моделей. Теоретически, доступные сегодня технологии могли бы автоматизировать более половины рабочего времени в Соединенных Штатах, Европе и Латинской Америке.

Итак, инструменты есть. Но реорганизации пока нет. В опросе McKinsey, проведенном в мае и июне 2026 года среди 1719 респондентов из 97 стран, почти девять из десяти заявили, что их организации регулярно используют ИИ как минимум в одной бизнес-функции. Однако, за исключением небольшой группы высокоэффективных специалистов по ИИ, составляющей 6% выборки, лишь около четверти сообщили о перепроектировании рабочих процессов с учетом ИИ, а не о внедрении ИИ в существующие.

Риски

Управление также отстает. Отдельное исследование McKinsey, проведенное в декабре 2025 года и январе 2026 года среди примерно 500 организаций по вопросам доверия к ИИ и управления, показало, что только около 30 процентов достигли третьего уровня или выше по четырехбалльной шкале зрелости. Стратегия также остается недостаточно разработанной. Только 22 процента руководителей операционных подразделений сообщают о наличии полностью разработанной и внедренной корпоративной стратегии в области ИИ, хотя более половины называют стратегию главным фактором, определяющим возврат инвестиций в ИИ.

Проблема обычно возникает из-за фрагментации. Ответственность за ИИ распределена между ИТ-отделом, юридическим отделом, отделом данных, отделом кадров, отделом рисков и стратегическим отделом, и нет единого ответственного лица. В повседневной работе надзор часто ложится на плечи команд, наиболее близких к технологии — ИТ-отдела или инженерного отдела — просто потому, что никто другой не взял на себя эту ответственность. В то же время 70 процентов генеральных директоров компаний по всему миру заявляют, что они оказывают наибольшее влияние на стратегию ИИ в своих компаниях. Разрыв между теми, кто фактически управляет ИИ, и теми, кто номинально несет за него ответственность, создает свой собственный риск. Зачастую никто не в состоянии ответить на основные вопросы об автономных системах ИИ — какие действия они могут предпринять, какие решения требуют одобрения человека, кто несет ответственность, когда что-то идет не так.

Аналогичным образом, примерно каждая третья организация до сих пор не имеет формального процесса проверки систем искусственного интеллекта на наличие угроз безопасности перед их развертыванием. К слабым звеньям могут относиться более мелкие игроки, такие как местные органы власти, которым может не хватать ресурсов для обеспечения современной безопасности, но которые остаются связанными с более крупными системами, создавая уязвимости, выходящие за пределы их собственных сетей.























По мере расширения использования ИИ возрастает и риск кибератак. Большее количество систем ИИ в большем количестве мест предоставляет преступникам больше возможностей для эксплуатации. Технология также становится все более эффективным инструментом для хакеров. В апреле 2026 года британский Институт безопасности ИИ (AISI) обнаружил, что Claude Mythos Preview от Anthropic может автономно выполнять многоэтапные атаки на тестовые сети, на которые у специалистов-людей ушли бы дни работы. Всего два года назад лучшие из доступных моделей в оценках AISI едва справлялись с задачами кибербезопасности начального уровня. Риски распространяются не только на предприятия и правительства, но и на отдельных лиц. Фишинг и мошенничество, создаваемые с помощью ИИ, сложнее обнаружить, поскольку ИИ способен создавать персонализированные, убедительные сообщения в масштабах, недоступных для мошенников-людей.

Подобно крупному сбою в системе управления, который причиняет или допускает значительный финансовый или физический ущерб, одна крупная кибератака с использованием ИИ может вызвать общественное недовольство и ужесточение регулирования, которое замедлит внедрение технологий далеко за пределами компаний, непосредственно вовлеченных в инцидент.

Возможности

Крупные прорывы могут также изменить сразу несколько из этих временных рамок. Скачок в архитектуре моделей — или в смежной области, такой как квантовые вычисления — может одновременно ослабить несколько ограничений ИИ, подобно тому как изобретение транзистора одновременно продвинуло вперед вычислительную технику, связь и электронику. Преимущества могут распространяться и в обратную сторону. Прорывы, обусловленные ИИ в таких областях, как энергетика или биотехнология, могут открыть путь к инновациям и росту далеко за пределами самой индустрии ИИ.

Искусственный интеллект как система: как его составляющие взаимодействуют друг с другом. Многие из самых сложных задач и важнейших достижений современности следует рассматривать как сложные системы. Это относится и к искусственному интеллекту. Его эффект является результатом взаимодействия множества взаимозависимых частей, а не какой-либо одной части в отдельности. Возможности, исследования и разработки, физические ресурсы, институты и внедрение — каждая из этих составляющих формирует другие (см. врезку «Почему важен системный подход»).

Для упрощения визуализации системы мы разделили ее на три аналитических уровня (Рисунок 4). Основы определяют возможности ИИ и условия его развития. Передача — это то, как люди и организации используют возможности ИИ. А результаты — это последующие эффекты. Данная структура систематизирует факторы, которые, по нашему мнению, имеют наибольшее значение; это не полный перечень, и категории частично совпадают. Инновации, например, тесно связаны с новым спросом.


Ценность системного подхода

Системный подход может помочь определить, где действия могут принести наибольший эффект. Для бизнеса он может выявить факторы, сдерживающие результаты; для инвесторов — показать, как меняются возможности и риски; для политиков — где правила или государственные инвестиции могли бы помочь; а для отдельных лиц — определить, какие навыки и возможности могут стать более ценными.

• Для руководителей предприятий

Чтобы получить долгосрочное преимущество, нужно смотреть дальше эффективности. Искусственный интеллект может снизить затраты и повысить производительность труда, но конкуренты, имеющие доступ к той же технологии, могут добиться аналогичных результатов, что приведет к снижению цен и нивелированию первоначального преимущества. Для достижения долгосрочных превосходных результатов компаниям необходимо сочетать искусственный интеллект с преимуществами, которые конкурентам сложно воспроизвести, создавая тем самым конкурентные преимущества.30К ним могут относиться собственные данные, масштаб деятельности, прочные отношения с клиентами и доступ к дефицитным физическим активам, объединенные в бизнес-модель, которая обеспечивает большую ценность как для клиентов, так и для поставщиков.

Создавайте что-то новое. Первые применения крупных новых технологий редко оказываются самыми значимыми. Электричество начиналось как замена газовому освещению, прежде чем трансформировать отрасли и открыть совершенно новые формы экономической деятельности. Искусственный интеллект также может породить новые продукты, предприятия и рынки, которые сегодня трудно предсказать. Использование технологий для автоматизации существующих работ — это первый шаг, но руководители должны использовать высвободившиеся ресурсы для создания новых источников роста. Потенциальное влияние выходит за рамки отдельных организаций: небольшое число выдающихся компаний обеспечило непропорционально большую долю роста производительности в масштабах всей экономики, в основном за счет изменений в стратегии и перехода к новым видам бизнеса, которые перестраивают их отраслевые сегменты, а не за счет повышения эффективности существующих предприятий.

Научитесь учиться быстрее. Возможности ИИ могут развиваться экспоненциально, гораздо быстрее, чем многие компании могут изменить свои технологии, рабочие процессы или организацию. Новые предприятия могут иметь преимущество, поскольку они могут с самого начала строить свою деятельность вокруг ИИ, не адаптируясь и не отказываясь от устаревших систем. Но устоявшиеся компании тоже есть преимущество: их масштаб дает им больше клиентов, сотрудников и операций, в рамках которых они могут тестировать новые подходы, собирать отзывы и узнавать, что работает. Чтобы это преимущество имело значение, им необходимо нарастить потенциал для достаточно быстрой адаптации своих систем и методов работы, чтобы идти в ногу с развивающимися возможностями ИИ.

Дайте людям повод поддержать перемены. То, как сотрудники, клиенты и сообщества воспринимают ИИ — как средство, улучшающее или ухудшающее их жизнь, — повлияет на их готовность принять и использовать его. Поэтому лидерам необходимо предоставлять людям видимые и ощутимые преимущества, а не просто объяснять, чего они пытаются достичь с помощью этой технологии. Если люди увидят улучшенные продукты, услуги или способы работы, они с большей вероятностью поддержат перемены; если же они почувствуют, что вред перевешивает выгоды — что их работа, средства к существованию и конфиденциальность находятся под угрозой — сопротивление может усилиться. Системный подход показывает, что, несмотря на технологический прогресс, предприятиям может быть трудно создавать ценность, если сопротивление со стороны общества велико.

Сформируйте представление о том, как ИИ может изменить вашу отрасль. ИИ может изменить то, кто имеет конкурентное преимущество, как компании конкурируют и где получают прибыль. Он может снизить барьеры для входа на рынок, перераспределить власть между компаниями, клиентами и поставщиками или изменить преимущества масштаба. Лидерам следует подумать о том, как эти силы могут проявиться в их отрасли — и что они означают для стратегии.

Следите за всей системой. Траектория развития ИИ будет зависеть не только от улучшений самой технологии. Изменения в внедрении, инфраструктуре, инвестициях, регулировании и экономических результатах могут усиливать или ограничивать друг друга. Представленная в этом отчете концепция определяет показатели для отслеживания этих изменений в системе ИИ.

• Для инвесторов

Следуйте за узкими местами. Ограничения могут создавать инвестиционные возможности, поскольку они порождают спрос на решения. Когда вычислительные мощности были в дефиците, возможности возникали вокруг производителей микросхем и компаний, работающих по передовым моделям. По мере того, как ограничения смещаются в сторону электроэнергии, инфраструктуры и продуктивного использования ИИ внутри организаций, могут появиться новые возможности для решения этих проблем.
Следует ожидать различных путей развития. Экспоненциальный рост возможностей или использования ИИ не приведет к экспоненциальному росту во всех компаниях, которые используют или поставляют эту технологию. Возможности моделирования могут быстро улучшаться, в то время как физическая инфраструктура расширяется гораздо медленнее, и компаниям могут потребоваться годы, чтобы преобразовать ИИ в производительность и прибыль. Инвесторы должны четко понимать, от каких из этих путей развития зависят их предположения, и не путать быстрый рост в одной части системы с быстрым ростом в другой.
Не стоит ограничиваться только внедрением. Компания может внедрить ИИ, даже в больших масштабах, без изменения своих долгосрочных перспектив. Чтобы оценить признаки устойчивого преимущества, инвесторам следует задать себе следующие вопросы: Способствует ли росту повышение производительности, а не только снижение затрат? Появляются ли новые продукты, направления бизнеса и рынки, а не просто улучшаются существующие? Преодолевает ли компания ограничения, связанные с устаревшими технологиями и организационной структурой? И перенаправляет ли она ресурсы с существующего бизнеса на новые возможности?
Обратите внимание на коррелированные риски. Доходность инвестиций в системы искусственного интеллекта может быть сильно коррелирована, даже если компании, участвующие в проекте, работают в совершенно разных отраслях. Например, инвестиции в микросхемы, центры обработки данных, энергетику и программное обеспечение для ИИ могут пострадать от одного и того же замедления спроса или инвестиций в ИИ. Инвесторам следует учитывать эти взаимосвязи при оценке реальной диверсификации своих инвестиций.

• Для политиков

Необходимо устранить системные ограничения. Факторы, сдерживающие развитие ИИ, будут различаться в зависимости от страны или региона и будут меняться со временем — от электроснабжения и цифровой инфраструктуры до разрешительной документации, квалификации и институционального потенциала. Политикам следует определить наиболее значимые ограничения для своих экономик и сосредоточить усилия на их устранении. По мере изменения ограничений политика должна меняться в соответствии с ними.
Необходимо стимулировать конкуренцию. Искусственный интеллект может снизить стоимость создания новых продуктов и услуг. Чтобы сделать эту возможность широко доступной, политики должны обеспечить, чтобы правила не предоставляли необоснованных преимуществ действующим игрокам рынка и не затрудняли конкуренцию и рост для новых участников. Они также должны расширить доступ к навыкам, инструментам и капиталу, необходимым людям и компаниям для работы с ИИ.
Необходимо сделать политику гибкой. Регуляторы должны защищать общественность от вреда. Однако возможности и приложения ИИ могут развиваться быстрее, чем законы и правила. Не каждое новое применение или риск можно предвидеть, и некоторые прогнозируемые риски могут никогда не материализоваться. Поэтому правила необходимо корректировать по мере изменения данных, а не пытаться решить каждый вопрос заранее. Требование саморегулирования со стороны отрасли — хороший первый шаг. Тесное взаимодействие с предприятиями, работниками, исследователями и общественностью для мониторинга воздействия на всю систему может помочь политикам понять, когда необходима более существенная корректировка регулирования.

Укрепление доверия. Искусственный интеллект может поддерживать экономический рост и повышать уровень жизни на протяжении десятилетий, но реализация этого потенциала может зависеть от готовности общественности принять изменения, которые он приносит. Политикам необходимо учитывать обоснованные опасения по поводу потенциального влияния ИИ на рабочие места, конфиденциальность и безопасность, а также обосновывать возможности, которые может предоставить ИИ. Как отмечалось выше, гибкая политика может помочь укрепить доверие. Доверие также зависит от того, верят ли люди, что они могут воспользоваться экономическими возможностями, которые создает ИИ. Проактивная политика, расширяющая доступ к навыкам, технологиям и ресурсам, необходимым для создания и развития бизнеса, может в этом помочь.
Содействуйте инвестициям. Определите, какие возможности ИИ должны разрабатываться внутри страны, а где достаточно надежного доступа через партнеров. Государственные инвестиции, стимулы и партнерства могут помочь укрепить вычислительную инфраструктуру, энергетику, исследования и таланты, не пытаясь при этом воспроизводить всю экосистему ИИ внутри страны. Некоторые правительства уже применяют подобные подходы: Великобритания создала Суверенный фонд ИИ, а инициатива InvestAI Европейского союза направлена ​​на мобилизацию государственных и частных инвестиций в инфраструктуру ИИ.

• Для отдельных лиц

Развивайте навыки работы с ИИ. По мере того, как ИИ становится все большей частью работы и повседневной жизни, людям потребуется все больше владеть этой технологией. Владение ИИ также означает умение понимать, когда следует использовать технологию, а когда полагаться на человеческое суждение. Такие навыки, как креативность, эмпатия, адаптивность и критическое мышление, могут стать более ценными по мере изменения разделения труда между людьми и ИИ. Эта граница будет продолжать смещаться, требуя от людей постоянного обучения и адаптации.

Будьте внимательны к тому, чем вы делитесь. Инструменты искусственного интеллекта становятся более полезными, когда люди предоставляют им личную информацию в качестве контекста, но это также может создавать риски. Прежде чем делиться конфиденциальной финансовой, медицинской или личной информацией, подумайте, куда она может попасть, кто может получить к ней доступ и как она может быть использована.

Расширьте свои горизонты. Искусственный интеллект открывает людям доступ к возможностям, которые раньше требовали специальных знаний, значительных ресурсов или больших команд. Это может изменить не только то, как люди делают дела, но и то, что они могут реально попытаться сделать: изучить новую область, создать продукт или услугу, начать бизнес или реализовать идею, которая раньше могла быть недоступной. ИИ позволяет людям мыслить шире о том, чего они могут достичь, и дает им возможность преследовать эти амбиции.

История показывает, что экономическое влияние новых технологий, возможно, проявляется быстрее с каждой последующей волной. Паровая энергия достигла пика своего влияния на экономический рост примерно за столетие с момента коммерциализации, электричество — примерно за 40 лет, а компьютеры и интернет — примерно за 25. Пока рано говорить о том, сократит ли искусственный интеллект этот временной промежуток еще больше. Но сама возможность этого добавляет срочности, поскольку у предприятий, работников и правительств может быть меньше времени на адаптацию.

Траектория развития ИИ будет определяться не только технологией. Модели будут совершенствоваться, затраты будут снижаться, и появятся новые области применения. Но то, что последует дальше, будет зависеть от того, как возможности будут взаимодействовать с физическими ресурсами, институтами, организациями, рынками и людьми — все они движутся с разной скоростью. Ограничение в одной части системы может замедлить прогресс в другой; его устранение может выявить другую. И по мере распространения ИИ, изменения, которые он производит, будут оказывать обратное воздействие на саму систему.

Вот почему важна вся система в целом. Задача состоит не в том, чтобы предсказать будущее искусственного интеллекта в отдельности, а в том, чтобы понять, как взаимодействуют отдельные элементы, где могут возникать несоответствия и как выбор, сделанный людьми, может изменить дальнейшую судьбу системы.

Шубхам Сингхал, Арвинд Говиндараджан,Танги Кэтлин,Мария Хесус Рамирес и Ксавье Ригби
(отчет McKinsey)

Возврат к списку