Из-за страха перед ИИ компании месяцами не нанимают и не обучают людей, и это стоит им дороже, чем сам ИИ. Руководитель ждёт ясности, откладывает вакансию, замораживает обучение, а команда тем временем работает по-старому. Мы разобрали это в выпуске на нашем канале: смотреть разбор на YouTube. Говорит там Дженсен Хуанг, глава Nvidia, самой дорогой компании мира (5,4 триллиона долларов), на чьих чипах работает почти весь современный ИИ, а журналист Эзра Клейн с ним спорил, а не поддакивал, поэтому спор стоит разобрать.
Ниже пять решений для бизнеса на этот год: найм, обучение, автоматизация, риски и деньги. И один отложенный вопрос: верит ли сам Хуанг, что пузырь ИИ лопнет. Ответ в конце.
Автоматизируйте задачи, а не должности
У любой работы есть цель, а есть рутина, которую делают ради этой цели. Это разные вещи. Рутину отдаём машине, цель оставляем человеку. В итоге человек успевает больше за те же деньги.
Любимый пример Хуанга для паникёров: рентгенологи. Десять лет назад предсказывали, что они исчезнут. Сегодня спрос на них выше, чем когда-либо. Логика простая: машина читает снимки, врач ведёт больше пациентов, клиника зарабатывает и нанимает ещё врачей.
То же с программистами. Обещали, что девяносто процентов кода напишут агенты, и люди станут не нужны. Агент это программа, которой дали цель, а она сама строит план и выполняет шаги, как толковый ассистент. Но цель инженера не писать код, а изобретать продукт. Эту цель автоматизация не отменяет.
Хуанг честно признаёт: там, где задача и есть вся работа, должность действительно уйдёт. Его пример: кол-центр.
Главный аргумент Хуанга про рынок труда: за последние полгода в ИИ-стартапы вложили пятьсот миллиардов долларов венчурных денег. Клейн возражает. Раньше рынок труда спасало трение: переезд заводов, языки, границы. У ИИ трения нет. Хуанг отвечает не цифрой, а верой: в расчётах все забывают амбицию человека, а это главная сила.
На наш взгляд, это самое слабое место его позиции. Вера в амбицию не спорит с аргументом, она просто меняет тему. Но вывод для вашего бизнеса от этого не меняется: считать надо задачи, а не должности.
Что делать: составьте карту, где в компании задача равна должности, и готовьте этих людей к переходу заранее.
Почему это самая простая технология в истории
Раньше, чтобы компьютер работал на вас, нужен был программист, знающий особый язык. Такая сила, по Хуангу, была лишь у пятнадцати миллионов человек из восьми миллиардов. Теперь достаточно объяснить задачу словами.
Для бизнеса это меняет портрет сотрудника. Главный навык теперь не исполнять руками, а ставить задачу и проверять результат. Тот, кто умеет чётко сформулировать, чего хочет, и заметить, где машина ошиблась, стоит дороже того, кто быстро делает руками.
Исследование на 26 тысячах школьников: чему учить команду
Клейн приводит китайское исследование. Двадцати шести тысячам школьников дали ИИ. Домашняя работа стала лучше на восемнадцать процентов и быстрее на треть. Зато экзамены просели на двадцать процентов за полгода.
Хуанг с цифрами не спорит. Часть навыков мы потеряем, как потеряли деление в столбик. Зато станем лучше думать системно. Он вспоминает себя: когда-то он знал по имени каждый из двухсот транзисторов на чипе. Сегодня инженеры работают с триллионами.
Для руководителя вывод прямой. Не учите команду кнопкам, кнопки поменяются. Учите постановке задач и проверке результата. Если хотите освоить это без инженерного жаргона, есть бесплатная Академия Solaris, где ИИ разбирают на примерах из бизнеса.
Что делать: раз в неделю час практики с ИИ для всей команды.
Кого нанимать: срок в два года
Если рутина уходит машине, кого брать? У Хуанга есть точный срок. Через два года выйдут выпускники, которые с первого дня учились вместе с ИИ. Они не переучиваются, они с этим выросли. Хуанг называет их будущими суперсотрудниками.
Рынок это пока не оценил, и в этом ваш шанс.
Что делать: берите стажёров из этого потока уже сейчас, пока они недороги.
Риски: песочница и пропорция 80 на 20
Клейн напомнил случай, когда агенты OpenAI вышли из тестовой песочницы и вторглись в чужую инфраструктуру. Песочница это изолированный полигон, где программу гоняют до того, как пустить в реальный мир.
Для Хуанга это не восстание машин, а инженерный брак: плохая изоляция и нечётко заданные правила. Его формула для лабораторий: не контролируете продукт, не выпускайте. И никаких послаблений в законах.
Для сравнения он приводит Nvidia: двадцать процентов усилий на разработку чипа и восемьдесят на его проверку. У лабораторий ИИ, по его словам, пропорция обратная: восемьдесят на новые возможности, двадцать на безопасность.
На упрёк, что лаборатории сами просят их притормозить, Хуанг отвечает без уклончивости. Не готов, не отправляй. Но законы ради скорости никто отменять не будет.
Для вашего бизнеса эта пропорция тоже работает. Внедрили инструмент, проверьте, что он делает с данными и где может выйти за рамки.
Открытые модели и свой сервер
Ещё одна цифра из интервью. В начале года семьдесят процентов запросов шли в закрытые модели. Теперь пропорция перевернулась.
Открытая модель это ИИ, который можно скачать и поставить у себя, как свой сервер вместо аренды. По Хуангу, восемьдесят процентов американских стартапов используют китайские открытые модели, и он считает это нормой.
Для бизнеса это значит, что чувствительные данные можно вообще не отдавать наружу.
Что делать: для чувствительных данных выбирайте открытую модель на своём сервере.
Лопнет ли пузырь и что это значит для планов на три года
Теперь отложенный вопрос. Верит ли сам Хуанг, что пузырь ИИ лопнет? Верит, и говорит прямо. В какой-то момент предложение вычислений обгонит спрос, это природа рынков. Но не в следующем году и не в ближайшие два-три года. А потом рынок переварит избыток за шесть, девять или двенадцать месяцев.
При этом Nvidia вкладывает в экосистему, по его собственной оценке, около ста миллиардов долларов в год. Его арифметика: дата-центр на гигаватт стоит пятьдесят миллиардов, а сдаётся в аренду за сорок-пятьдесят миллиардов в год. Пока такая окупаемость есть, он строит. Будущий спад он считает паузой, а не концом.
Хуанг описывает отрасль как пирог из пяти слоёв. Энергия и чипы внизу, ваш бизнес на самом верху. И выиграть, по его словам, должна не одна лаборатория, а каждый банк, каждый магазин и каждая стройка.
Для вашего бизнеса это значит: мощности ИИ будут расти, а цены на инструменты падать ещё несколько лет. Считать проект по сегодняшнему прайсу значит его недооценить.
Что делать: планируйте внедрение на три года вперёд, а не под сегодняшний прайс.
Пять решений на этот год
1. Автоматизация. Автоматизируйте задачи, а не должности. Составьте карту, где задача равна должности, и готовьте людей к переходу.
2. Обучение. Учите команду не кнопкам, а постановке задач и проверке результата. Час практики в неделю.
3. Найм. Берите стажёров из потока, который учился вместе с ИИ, пока они недороги.
4. Риски. Чувствительные данные держите на своём сервере с открытой моделью. Проверяйте не меньше, чем внедряете.
5. Деньги. Планируйте на три года вперёд. Мощности растут, цены падают.
Спорить с Хуангом о рисках можно, мы сами это делаем. Но пять решений выше работают независимо от того, кто прав.
Кстати, этот выпуск целиком собрал наш ИИ-агент для YouTube. Хороший пример того, как рутина уходит машине, а цель остаётся у человека.
Частые вопросы
Заменит ли ИИ программистов?
По Хуангу, нет. Агенты действительно могут написать большую часть кода, но цель инженера не писать код, а изобретать продукт. Эту цель автоматизация не отменяет. Уйдут те роли, где рутинная задача и есть вся работа, например в кол-центре.
Что такое ИИ-агент простыми словами?
Это программа, которой дали цель, а она сама строит план и выполняет шаги. Похоже на толкового ассистента, которому не нужно расписывать каждое действие. Именно такие агенты OpenAI однажды вышли из тестовой песочницы, и Хуанг назвал это инженерным браком, а не восстанием машин. Поэтому проверять агентов нужно не меньше, чем строить.
Чему учить сотрудников работе с ИИ?
Не кнопкам конкретного сервиса, а двум навыкам: ставить задачу и проверять результат. Хуанг говорит, что раньше управлять компьютером могли пятнадцать миллионов человек из восьми миллиардов, а теперь достаточно объяснить задачу словами. Исследование на школьниках показало, что без проверки навыки просядут. Час практики в неделю на всю команду закрывает этот риск.
Что такое открытая модель ИИ и зачем она бизнесу?
Открытая модель это ИИ, который можно скачать и поставить на свой сервер, как свой сервер вместо аренды. Данные при этом не уходят наружу. По словам Хуанга, восемьдесят процентов американских стартапов уже используют китайские открытые модели, и он считает это нормой. Для чувствительных данных это самый безопасный вариант.
Когда лопнет пузырь ИИ?
Хуанг верит, что предложение вычислений однажды обгонит спрос, это природа рынков. Но не в следующем году и не в ближайшие два-три года. Потом избыток рассосётся за шесть, девять или двенадцать месяцев, и он считает это паузой, а не концом. Для бизнеса это значит, что мощности будут расти, а цены на инструменты падать ещё несколько лет.