Это будет не об агентных фреймворках, RAG с HNSW индексацией, иерархическом кэшировании или даже prompt-инжиниринге.
Если не считать курса по машинному обучению в конце 2020 года, то впервые я трогал ИИ через бета версию GitHub Copilot осенью 2021. Тогда меня это заставило всерьез задуматься о будущем программирования. Сейчас смешно вспоминать те ранние попытки, потому что это было чуть более продвинутое автодополнение. С кучей ошибок, что его едва ли можно было использовать. Спустя пару месяцев, в начале 2022, его сделали платным, что меня и вовсе отвернуло, т.к. я не видел достаточно ценности при том уровне исполнения.
Основная причина, по которой я хотел использовать GitHub Copilot, как и многие другие инструменты такого рода после – делать мою работу быстрее. Я тогда еще только начинал коммерческую разработку, и не имея профильного образования понимал, что мне будет очень трудно конкурировать (считай искать работу) с более опытными ребятами, кому знания позволяют решать задачи быстрее. Я старался использовать инструменты, которые помогли бы мне сократить эту разницу и стать эффективнее – скорость и качество. По сути, так же мы используем IDE, а не блокнот, плагины вместо полностью ручных изменений, поиск вместо книжек в библиотеке, и это был лишь дополнительный инструмент в моем арсенале.
Т.е. повышение эффективности, или производительности труда говоря экономическим языком, ведь было результатом всех промышленных революций. Почему? Потому что капитализм сегодня – доминирующая социально-экономическая система, где целью является увеличение прибыли, что может достигаться как экстенсивным путем (наращивая масштабы), так и интенсивным (зарабатывая больше с того же). Не углубляясь в теоретическое обоснование и расчеты, использование более эффективных методов и технологий позволяет собственнику зарабатывать больше, чем его конкуренты, как минимум в период временного лага, пока другие отстают. Что также дает конкурентное преимущество за счет реинвестирования накопленного капитала или в масштабирование, или в обновление технологий.
Текущее активное продвижение ИИ в основе тоже несет именно повышение эффективности бизнеса, за счет автоматизации, которая раньше велась на основе четко описанной логики, а теперь за счет внедрения больших языковых моделей (LLM) в цепочки принятия решений для создания гораздо более гибких систем в парадигме ReAct (reasoning + acting).
Так почему меня это заставило задуматься?
Потому что раньше считалось, что программирование относится в некоторой степени к творческим профессиям (из-за необходимости искать новые решения и мыслить архитектурно), которые трудно описать пошагово и автоматизировать, как это делалось раньше с другими процессами. Тоже касалось и многих других профессий. Т.е. раньше виденье будущего лежало в контексте роботизации, как до этого проходила механизация – замещение именно ручного труда, но интеллектуальный всегда оставался прерогативой человека. Какие бы системы мы ранее не создавали, они не могли рассуждать и самостоятельно принимать сколь либо сложные решения на основе планирования. Теперь это возможно.
И вот наблюдая, как развиваются LLM (включая VLM) за последние годы и используя их каждый день, несмотря на все еще далеко неидеальное состояние с точки зрения надежности (галлюцинации) и стоимости (во что обходится обучение и массовое использование), тем не менее для меня поразительно насколько далеко уже удалось зайти. Пока кажется, что указанные выше проблемы тоже являются техническими, а не концептуальными (хотя еще под большим вопросом тема безопасности), и с учетом текущего количества ресурсов (включая человеческую изобретательность и государственное/военное финансирование), направленных на создание общего ИИ (AGI), развитие пойдет дальше, а потому и внедрении в бизнес.
Что это значит?
Я наблюдаю разделение компаний с точки зрения отношения к ИИ.
Одни компании однозначно запрещают использование любых ИИ-помощников в работе, с одной стороны обосновывая это потенциальной утечкой коммерческой тайны, а с другой – хотят быть уверены в качественном результате работы, что люди полностью понимают проблему и решение, над которым работают самостоятельно.
Другой тип компаний – можно назвать их ранними инноваторами или ранними последователями в контесте цикла инноваций. Они видят использование ИИ, как потенциальное конкурентное преимущество в разных аспектах:
- уменьшить фактор человеческой ошибки через еще большую автоматизацию;
- снизить издержки путем замещения дорогого человеческого труда;
- увеличить скорость поставки решений оставшимися людьми.
Например, с того далекого 2021 года я продолжал тестировать и использовать ИИ-инструменты, и до недавнего времени основным помощником для меня был Perplexity, как раз в силу широты вопросов, которые я с ним решал. Но сейчас еще большей скорости работы мне удается добиться, используя Cursor в качестве редактора кода. Да, это все еще далеко неидеальные инструменты, но я однозначно вижу в каких моментах мне удалось сократить потери времени на поиск вариантов и лучшего решения. Но т.к это инструмент, то им нужно учиться пользоваться и понимать его ограничения. Тем не менее сравнивая мой опыт работы в крупной компании и работу в стартапе со свободной культурой вайбкодинга, я вижу невероятную разницу в скорости создания решений и чего можно добиться очень маленькой командой. Но! Использование таких помощников ускоряет создание решений, но не гарантирует их качество, т.к. это уже требует фундаментального понимания того, над чем работаешь, знания хороших практик и широкого набора навыков, чтобы избежать проблем роста в дальнейшем.
Так я подхожу к идее, что компаниям теперь нужно меньше людей по описанным выше трем причинам, т.к. в основе лежат все те же капиталистические механизмы. ИИ - лишь очередной шаг на этом пути.
Мне пока трудно осознать эффекты третьего и четвертого порядка, но судя по трендам первыми замещают именно позиции начального уровня, чей интеллектуальный труд напрямую связан с компьютером. Потому что ИИ во многом уже решает такие задачи лучше. А значит следующими на очереди идут более опытные и компетентные специалисты по мере совершенствования технологии. Это “забавно”, потому что параллельно ведь никто не отменял и классическую автоматизацию ручного труда, включая роботизацию. Т.е. давление на рынок труда усиливается с обеих сторон и тут можно было бы возразить, мол оно компенсируется демографической ямой, но опять же по моим наблюдениям скорость развития ИИ измеряется месяцами, не поколениями людей, т.е. сильно опережает. А еще если раньше компании нанимали новых людей, как источник новых идей и дополнительные руки, то сейчас они перенаправляют бюджеты с найма, на тестирование и внедрение новых технологий вроде ИИ – опять же сказывается конкуренция и опасения остаться позади.
Я вижу 2 направления: использование ИИ, как инструмент, и полное замещение некоторых человеческих операций сейчас многоагентными системами, и целых профессий в будущем. Штука заключается в том, что это происходит почти незаметно. Бывают редкие высказывания от лидеров отрасли, которые предупреждают о грядущих социальных изменениях в результате развития ИИ, и что обществу предстоит “адаптироваться”. Но в целом жизнь как будто идет своим чередом. По улицам гуляют пары с колясками, ездят машины, магазины пополняются продуктами, выходят новые iPhone. Просто люди начинают искать работу не 1-2 месяца, а полгода-год. Растет гиг-экономики и появляется больше водителей такси, больше доставщиков еды, больше фрилансеров и временных вакансий без социальных гарантий. Почему? Потому что скорость изменений. Мы не умеем оценивать и приспосабливаться так быстро, менять свою картину мира. И хоть раньше новые технологии убирали часть профессий, но создавали новые, тем не менее я не вижу, чтобы за последние пару лет появилось много новых профессий, способных компенсировать или тем более создать дополнительные рабочие места.
Наблюдается асимметрия информации, пока человек в тихом одиночестве пытается понять, что не так: кажется, будто ты не вытягиваешь по навыкам и не хватает компетенций (смотришь на это с позиции предложения), хотя по факту сам спрос уменьшился.
Еще мы любим обобщать, вроде “ну вот же все работают, чем-то заняты, видимо проблема во мне”.
Тут еще есть нюансы вроде перетока кадров из одной отрасли в другую и поэтому выше конкуренция, еще внедрение ИИ в сам процесс найма не только на этапе поиска и анализа резюме, но также полноценное собеседование с ИИ-агентом предъявляют особые требования к тому, как теперь нужно искать работу. И это правильно, что нужно стремиться адаптировать свои навыки к требованиям времени, просто есть предел того, что находится в рамках твоего контроля. Хотя работодателям все еще будут нужны высококвалифицированные кадры, будь то умение использовать ИИ-инструменты для повышения эффективности, либо просто редкие фундаментальные знания и умение на их основе создавать новые решения. Поэтому лучшее, что остается в такой ситуации – продолжать пробовать идеи помня “надейся на лучшее, но готовься к худшему” – таковы правила этой игры.
Но примерно такие же “незаметные” изменения, какие происходят в обществе и люди индивидуально ощущают на себе и переживают внутри, примерно тоже параллельно происходит и в бизнесе. Как я выше указал, конкуренция заставляет компании “не отставать” и смотреть на соперников, а значит пытаться внедрять такие же методы оптимизации и повышения эффективности (если не лучше), также перенаправлять бюджеты на исследования и инновации. Это также подразумевает адаптацию процессов компании к новым требованиям. Например, сейчас есть нехватка специалистов, которые могут помочь с внедрением искусственного интеллекта. Это вынуждает некоторые компании обращаться к специализированным консалтинговым фирмам. Некоторые ищут таланты на глобальном рынке труда и становятся более открытыми к возможности удалённой работы. Некоторые пытаются реструктурировать существующие команды и создать внутренние стартапы. Некоторым компаниям с нехваткой ресурсов может потребоваться привлечь венчурный капитал для финансирования таких изменений – таковы правила этой игры.