На что можно полагаться в плане генеративного ИИ без вмешательства человека?

Управляющее резюме

Генеративный искусственный интеллект (ИИ) — технология, позволяющая машинам создавать текст, изображения, код и многое другое, — в последние годы пережил взрывной рост. В этом документе представлен доступный обзор того, что генеративный ИИ может надежно делать сегодня без вмешательства человека, и чего от него ожидают в следующем десятилетии. Мы рассматриваем его использование в письменной речи, искусстве, программировании, обслуживании клиентов, здравоохранении, образовании, логистике и финансах, выделяя области, где ИИ работает автономно, и где человеческий контроль остается крайне важным. Приведены примеры из реальной жизни для иллюстрации как успехов, так и ограничений. Ключевые выводы включают:

• Широкое внедрение: В 2024 году 65% опрошенных компаний сообщили о регулярном использовании генеративного ИИ — это почти вдвое больше, чем в предыдущем году ( Состояние ИИ в начале 2024 года | McKinsey ). Области применения включают создание маркетингового контента, чат-боты для поддержки клиентов, генерацию кода и многое другое.

• Современные возможности автономной работы: Сегодняшний генеративный ИИ надежно справляется со структурированными, повторяющимися задачами с минимальным контролем. Примеры включают автоматическое создание шаблонных новостных отчетов (например, сводок о доходах компаний) ( Филане Паттерсон – профиль в сообществе ONA ), создание описаний товаров и обзоров на сайтах электронной коммерции, а также автозаполнение кода. В этих областях ИИ часто дополняет работу людей, беря на себя рутинную генерацию контента.

• Человек в процессе решения сложных задач: Для более сложных или нестандартных задач, таких как написание художественной литературы, детальный анализ или медицинские консультации, обычно по-прежнему требуется участие человека для обеспечения фактической точности, этической оценки и качества. Во многих современных системах ИИ используется модель «человек в процессе», где ИИ создает контент, а люди его проверяют.

• Улучшения в ближайшей перспективе: В течение следующих 5–10 лет прогнозируется, что генеративный ИИ станет гораздо более надежным и автономным . Достижения в точности моделей и механизмах защиты могут позволить ИИ обрабатывать большую часть творческих задач и задач принятия решений с минимальным участием человека. Например, к 2030 году эксперты прогнозируют, что ИИ будет обрабатывать большинство взаимодействий и решений в сфере обслуживания клиентов в режиме реального времени ( Чтобы переосмыслить переход к CX, маркетологи должны сделать эти 2 вещи ), а крупный фильм может быть создан с использованием 90% контента, сгенерированного ИИ ( Примеры использования генеративного ИИ в промышленности и на предприятиях ).

• К 2035 году: Через десять лет мы ожидаем, что автономные агенты на основе ИИ станут обычным явлением во многих областях. ИИ-репетиторы смогут предоставлять персонализированное образование в больших масштабах, ИИ-помощники смогут надежно составлять юридические контракты или медицинские отчеты для утверждения экспертами, а системы автономного вождения (с использованием генеративного моделирования) смогут управлять логистическими операциями от начала до конца. Однако в некоторых деликатных областях (например, при постановке важных медицинских диагнозов, принятии окончательных юридических решений) для обеспечения безопасности и подотчетности, вероятно, по-прежнему потребуется человеческое суждение.

• Этические аспекты и проблемы надежности: По мере роста автономии ИИ растут и опасения. Сегодня к таким проблемам относятся галлюцинации (искусственное выдумывание фактов ИИ), предвзятость в генерируемом контенте, отсутствие прозрачности и потенциальное использование в целях дезинформации. Крайне важно обеспечить доверие к при его работе без надзора. Прогресс есть – например, организации инвестируют больше средств в снижение рисков (решение вопросов точности, кибербезопасности, интеллектуальной собственности) ( Состояние ИИ: Глобальный обзор | McKinsey ), – но необходимы надежные механизмы управления и этические рамки.

• Структура данной работы: Мы начинаем с введения в генеративный ИИ и концепции автономного и контролируемого использования. Затем, для каждой из основных областей (письмо, искусство, программирование и т. д.), мы обсуждаем, что ИИ может надежно делать сегодня и что нас ждет в будущем. В заключение мы рассматриваем сквозные проблемы, прогнозы на будущее и рекомендации по ответственному использованию генеративного ИИ.

В целом, генеративный ИИ уже доказал свою способность справляться с удивительным множеством задач без постоянного участия человека. Понимая его нынешние ограничения и будущий потенциал, организации и общественность могут лучше подготовиться к эпохе, в которой ИИ станет не просто инструментом, а автономным сотрудником в работе и творчестве.

Введение

Искусственный интеллект давно умеет анализировать данные, но системы ИИ лишь недавно научились создавать — писать прозу, создавать изображения, программировать программное обеспечение и многое другое. Эти генеративные модели ИИ (такие как GPT-4 для текста или DALL·E для изображений) обучаются на огромных массивах данных для создания нового контента в ответ на запросы. Этот прорыв вызвал волну инноваций в различных отраслях. Однако возникает важный вопрос: чему мы можем действительно доверять ИИ, чтобы он делал это самостоятельно, без проверки человеком его результатов?

Чтобы ответить на этот вопрос, важно различать контролируемое и автономное использование ИИ:

• Искусственный интеллект под управлением человека относится к сценариям, когда результаты работы ИИ проверяются или корректируются людьми перед окончательной доработкой. Например, журналист может использовать помощника по написанию текстов на основе ИИ для составления черновика статьи, но редактор будет редактировать и утверждать его.

• Автономный ИИ (ИИ без вмешательства человека) — это системы искусственного интеллекта, которые выполняют задачи или создают контент, непосредственно используемый без или с минимальным участием человека. Примером может служить автоматизированный чат-бот, решающий запрос клиента без участия человека, или новостное издание, автоматически публикующее сводку спортивных результатов, сгенерированную ИИ.

Генеративный ИИ уже внедряется в обоих режимах. В 2023-2025 годах его внедрение резко возросло , и организации активно экспериментируют. Одно из глобальных исследований 2024 года показало, что 65% компаний регулярно используют генеративный ИИ, по сравнению с примерно одной третью всего годом ранее ( Состояние ИИ в начале 2024 года | McKinsey ). Отдельные лица также освоили такие инструменты, как ChatGPT – по оценкам, к середине 2023 года 79% специалистов имели хотя бы некоторый опыт работы с генеративным ИИ ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ). Этот быстрый рост обусловлен обещанием повышения эффективности и креативности. Однако пока еще рано делать выводы, и многие компании все еще разрабатывают политику ответственного использования ИИ ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ).

Почему важна автономность: Предоставление ИИ возможности работать без человеческого контроля может значительно повысить эффективность — полностью автоматизируя рутинные задачи, — но это также повышает требования к надежности. Автономный агент ИИ должен все делать правильно (или знать свои пределы), потому что в режиме реального времени может не быть человека, который мог бы заметить ошибки. Некоторые задачи подходят для этого лучше, чем другие. В целом, ИИ работает наиболее эффективно в автономном режиме, когда:

• Задача имеет четкую структуру или шаблон (например, создание стандартных отчетов на основе данных).

• Ошибки представляют собой низкий риск или легко переносимые ситуации (например, создание изображения, которое можно отбросить, если оно неудовлетворительное, в отличие от медицинской диагностики).

• Имеется достаточно обучающих данных, охватывающих все сценарии, поэтому результаты работы ИИ основаны на реальных примерах (что снижает вероятность ошибок, связанных с предположениями).

Напротив, задачи, не имеющие четкого плана , высокой ответственности или тонкой оценки ситуации, сегодня в меньшей степени подходят для полного отсутствия контроля.

В следующих разделах мы рассмотрим ряд областей, чтобы понять, что генеративный ИИ делает сейчас и что нас ждет в будущем. Мы рассмотрим конкретные примеры — от новостных статей и произведений искусства, созданных ИИ, до помощников по программированию и виртуальных агентов по обслуживанию клиентов — и выделим, какие задачи могут быть выполнены ИИ от начала до конца, а какие по-прежнему требуют участия человека. Для каждой области мы четко разграничим текущие возможности (примерно 2025 год) и реалистичные прогнозы того, что может стать надежным к 2035 году.

Сопоставляя настоящее и будущее автономного ИИ в различных областях, мы стремимся предоставить читателям сбалансированное понимание: не преувеличивая возможности ИИ как волшебной и непогрешимой системы и не преуменьшая его реальные и растущие возможности. На этой основе мы затем обсуждаем общие проблемы, связанные с доверием к ИИ без надзора, включая этические соображения и управление рисками, и завершаем ключевыми выводами.

Генеративный ИИ в написании текстов и создании контента

Одной из первых областей, где генеративный ИИ произвел фурор, стала генерация текста. Крупные языковые модели могут создавать все что угодно: от новостных статей и маркетинговых текстов до постов в социальных сетях и резюме документов. Но насколько большую часть этого текста можно написать без участия человека-редактора?

Текущие возможности (2025): ИИ как инструмент автоматического создания рутинного контента

Сегодня генеративный ИИ надёжно справляется с множеством рутинных задач по написанию текстов с минимальным или полным отсутствием участия человека. Яркий пример — журналистика: агентство Associated Press годами использует автоматизацию для создания тысяч отчётов о доходах компаний каждый квартал непосредственно из финансовых источников данных ( Philana Patterson – ONA Community Profile ). Эти короткие новостные статьи следуют шаблону (например, «Компания X сообщила о доходах в размере Y, росте на Z%...»), и ИИ (используя программное обеспечение для генерации естественного языка) может заполнять цифры и текст быстрее, чем любой человек. Система AP публикует эти отчёты автоматически, значительно расширяя охват (более 3000 статей в квартал) без необходимости привлечения людей-авторов ( Automated earnings stories multiply | The Associated Press ).

Спортивная журналистика также претерпела изменения: системы искусственного интеллекта могут обрабатывать статистику спортивных игр и создавать обзоры. Поскольку эти области основаны на данных и используют формулы, ошибки редки, если данные верны. В таких случаях мы видим настоящую автономию — ИИ пишет, и контент публикуется немедленно.

Компании также используют генеративный ИИ для составления описаний товаров, электронных рассылок и другого маркетингового контента. Например, гигант электронной коммерции Amazon теперь использует ИИ для обобщения отзывов покупателей о товарах. ИИ сканирует текст множества отдельных отзывов и создает краткий абзац, в котором выделяется то, что людям нравится или не нравится в товаре, и этот абзац затем отображается на странице товара без ручного редактирования ( Amazon улучшает опыт отзывов покупателей с помощью ИИ ). Ниже приведена иллюстрация этой функции, реализованной в мобильном приложении Amazon, где раздел «Отзывы покупателей» полностью генерируется ИИ на основе данных отзывов:

( Amazon улучшает работу с отзывами покупателей с помощью ИИ ) Сгенерированное ИИ краткое изложение отзыва на странице товара в интернет-магазине. Система Amazon суммирует общие моменты из отзывов пользователей (например, удобство использования, производительность) в короткий абзац, который отображается покупателям как «Сгенерировано ИИ на основе текста отзывов покупателей».

Подобные примеры использования демонстрируют, что когда контент следует предсказуемому шаблону или агрегируется из существующих данных, ИИ часто может справиться с этим самостоятельно . Другие актуальные примеры включают:

• Информация о погоде и дорожной ситуации: СМИ используют искусственный интеллект для составления ежедневных прогнозов погоды или сводок о дорожной ситуации на основе данных с датчиков.

• Финансовые отчеты: Компании автоматически генерируют простые финансовые сводки (квартальные результаты, обзоры фондового рынка). С 2014 года Bloomberg и другие новостные агентства используют ИИ для помощи в написании новостных заметок о доходах компаний — процесс, который в значительной степени выполняется автоматически после ввода данных ( «Роботы-журналисты» AP теперь пишут свои собственные статьи | The Verge ) ( Репортер из Вайоминга пойман на использовании ИИ для создания фальшивых цитат и статей ).

• Перевод и транскрипция: В настоящее время службы транскрипции используют искусственный интеллект для создания стенограмм совещаний или субтитров без участия людей-машинисток. Хотя эти языковые задачи не являются генеративными в творческом смысле, они выполняются автономно с высокой точностью, обеспечивая чистое звучание.

• Создание черновиков: Многие специалисты используют такие инструменты, как ChatGPT, для составления черновиков электронных писем или первых версий документов, иногда отправляя их с минимальными правками или без них, если содержание не представляет высокого риска.

Однако в 2025 году человеческий контроль по-прежнему остается нормой для более сложных текстов . Новостные организации редко публикуют расследовательские или аналитические статьи, созданные непосредственно ИИ — редакторы проверяют факты и дорабатывают черновики, написанные ИИ. ИИ может имитировать стиль и структуру , но может вносить фактические ошибки (часто называемые «галлюцинациями») или неуклюжие формулировки, которые должен заметить человек. Например, немецкая газета Express представила «цифрового коллегу»-ИИ по имени Клара, чтобы помочь в написании первоначальных новостных материалов. Клара может эффективно составлять спортивные репортажи и даже писать заголовки, привлекающие читателей, что составляет 11% статей Express, — но редакторы-люди по-прежнему проверяют каждую статью на точность и журналистскую добросовестность, особенно в сложных историях ( 12 способов, которыми журналисты используют инструменты ИИ в редакции — Twipe ). Такое партнерство человека и ИИ сегодня распространено: ИИ берет на себя основную работу по генерации текста, а люди отбирают и исправляют его по мере необходимости.

Перспективы на 2030-2035 годы: На пути к надежному автономному письму

В течение следующего десятилетия мы ожидаем, что генеративный ИИ станет гораздо более надежным в создании высококачественного, фактически корректного текста, что расширит спектр задач по написанию текстов, которые он сможет выполнять автономно. Этому способствуют несколько тенденций:

• Повышенная точность: Продолжающиеся исследования быстро снижают склонность ИИ к созданию ложной или нерелевантной информации. К 2030 году передовые языковые модели с улучшенным обучением (включая методы проверки фактов по базам данных в режиме реального времени) смогут достичь уровня проверки фактов, близкого к человеческому, собственными силами. Это означает, что ИИ сможет автоматически составить полную новостную статью с правильными цитатами и статистикой, взятыми из исходных материалов, практически не требуя редактирования.

• Специализированные ИИ: Мы увидим больше специализированных генеративных моделей, доработанных для определенных областей (юриспруденция, медицина, техническое письмо). Модель юридического ИИ 2030 года сможет надежно составлять стандартные контракты или обобщать судебную практику — задачи, которые имеют формальную структуру, но в настоящее время требуют времени юристов. Если ИИ будет обучен на проверенных юридических документах, его черновики могут быть достаточно надежными, чтобы юрист лишь бегло просмотрел их.

• Естественный стиль и связность: модели все лучше справляются с сохранением контекста в длинных документах, что приводит к созданию более связного и точного контента большого объема. К 2035 году вполне возможно, что ИИ сможет самостоятельно написать приличный первый черновик научно-популярной книги или технического руководства, а люди будут в основном выступать в роли консультантов (для постановки целей или предоставления специализированных знаний).

Как это может выглядеть на практике? Рутинная журналистика может стать практически полностью автоматизированной для определенных направлений. В 2030 году мы можем увидеть, как новостное агентство поручит системе искусственного интеллекта писать первую версию каждого отчета о доходах, спортивной статьи или обновления результатов выборов, а редактор будет проверять качество лишь нескольких вариантов. Действительно, эксперты прогнозируют постоянно растущую долю онлайн-контента, создаваемого машинами — один смелый прогноз отраслевых аналитиков предполагает, что к 2026 году до 90% онлайн-контента может быть создано ИИ ( К 2026 году онлайн-контент, созданный не людьми, значительно превзойдет контент, созданный людьми — OODAloop ), хотя эта цифра является предметом споров. Даже более консервативный прогноз будет означать, что к середине 2030-х годов большинство рутинных веб-статей, текстов о товарах и, возможно, даже персонализированных новостных лент будут создаваться ИИ.

В маркетинге и корпоративных коммуникациях генеративному ИИ, вероятно, будет доверено автономное управление целыми кампаниями. Он сможет генерировать и отправлять персонализированные маркетинговые электронные письма, публикации в социальных сетях и варианты рекламных текстов, постоянно корректируя сообщения в зависимости от реакции клиентов — и все это без участия человека-копирайтера. Аналитики Gartner прогнозируют, что к 2025 году не менее 30% исходящих маркетинговых сообщений крупных предприятий будут генерироваться ИИ синтетически ( Примеры использования генеративного ИИ в промышленности и на предприятиях ), и этот процент будет только расти к 2030 году.

Однако важно отметить, что человеческая креативность и рассудительность по-прежнему будут играть роль, особенно в отношении контента, имеющего большое значение . К 2035 году ИИ, возможно, сможет самостоятельно обрабатывать пресс-релизы или публикации в блогах, но в журналистских расследованиях, связанных с привлечением к ответственности или деликатными темами, СМИ, вероятно, по-прежнему будут настаивать на человеческом контроле. В будущем, вероятно, будет применяться многоуровневый подход: ИИ будет автономно создавать основную часть повседневного контента, в то время как люди будут сосредоточиваться на редактировании и создании стратегически важных или деликатных материалов. По сути, грань между тем, что считается «рутиной», будет расширяться по мере роста квалификации ИИ.

Кроме того, могут появиться новые формы контента, такие как интерактивные повествования, созданные с помощью ИИ, или персонализированные отчеты . Например, годовой отчет компании может быть сгенерирован ИИ в нескольких стилях — краткий вариант для руководителей, повествовательная версия для сотрудников, версия с подробным анализом данных для аналитиков — каждый из которых будет создан автоматически на основе одних и тех же исходных данных. В образовании учебники могут динамически создаваться ИИ с учетом разных уровней сложности чтения. Эти приложения могут быть в значительной степени автономными, но основанными на проверенной информации.

Судя по развитию письменной речи, к середине 2030-х годов ИИ станет очень плодовитым писателем . Ключом к действительно автономной работе станет установление доверия к его результатам. Если ИИ сможет последовательно демонстрировать фактическую точность, стилистическое качество и соответствие этическим стандартам, необходимость в построчной проверке человеком уменьшится. К 2035 году некоторые разделы этого аналитического документа вполне могут быть написаны исследователем ИИ без участия редактора — перспектива, к которой мы относимся с осторожным оптимизмом, при условии наличия надлежащих мер защиты.

Генеративный искусственный интеллект в изобразительном искусстве и дизайне

Способность генеративного ИИ создавать изображения и произведения искусства захватила воображение публики: от картин, созданных ИИ и побеждающих в художественных конкурсах, до дипфейк-видео, неотличимых от реальных кадров. В визуальной сфере модели ИИ, такие как генеративно-состязательные сети (GAN) и модели диффузии (например, Stable Diffusion, Midjourney), могут создавать оригинальные изображения на основе текстовых подсказок. Так может ли ИИ теперь функционировать как автономный художник или дизайнер?

Текущие возможности (2025): ИИ как творческий помощник

К 2025 году генеративные модели уже умеют создавать изображения по запросу с впечатляющей точностью. Пользователи могут попросить искусственный интеллект нарисовать «средневековый город на закате в стиле Ван Гога» и получить убедительно художественное изображение за считанные секунды. Это привело к широкому использованию ИИ в графическом дизайне, маркетинге и индустрии развлечений для создания концепт-арта, прототипов и даже финальных визуальных образов в некоторых случаях. В частности:

• Графический дизайн и стоковые изображения: Компании создают графику для веб-сайтов, иллюстрации или стоковые фотографии с помощью ИИ, что снижает необходимость заказывать каждый элемент у художника. Многие маркетинговые команды используют инструменты ИИ для создания различных вариантов рекламных объявлений или изображений товаров, чтобы проверить, что привлекает потребителей.

• Искусство и иллюстрация: отдельные художники сотрудничают с ИИ для генерации идей или проработки деталей. Например, иллюстратор может использовать ИИ для создания фоновых пейзажей, которые затем интегрируются с нарисованными людьми персонажами. Некоторые создатели комиксов экспериментировали с панелями или раскраской, созданными с помощью ИИ.

• Медиа и развлечения: созданные с помощью ИИ изображения появлялись на обложках журналов и книг. Известный пример — обложка августовского журнала Cosmopolitan , на которой был изображен астронавт — как сообщается, это первое изображение для обложки журнала, созданное ИИ (DALL·E от OpenAI) по указанию арт-директора. Хотя в этом случае присутствовали подсказки и выбор человека, само изображение было отрисовано машиной.

Важно отметить, что большинство современных способов использования ИИ по-прежнему предполагают человеческую обработку и итерации . ИИ может выдавать десятки изображений, а человек выбирает лучшие и, возможно, дорабатывает их. В этом смысле ИИ работает автономно, создавая варианты , но люди направляют творческое направление и делают окончательный выбор. Он надежен для быстрого создания большого количества контента, но не гарантирует соответствие всем требованиям с первой попытки. Такие проблемы, как неточности в деталях (например, ИИ рисует руки с неправильным количеством пальцев — известная особенность) или непредвиденные результаты, означают, что обычно требуется контроль качества результата со стороны арт-директора.

Однако существуют области, где ИИ приближается к полной автономности:

• Генеративный дизайн: В таких областях, как архитектура и промышленный дизайн, инструменты искусственного интеллекта могут автономно создавать прототипы, отвечающие заданным ограничениям. Например, имея желаемые размеры и функции предмета мебели, генеративный алгоритм может выдать несколько жизнеспособных вариантов дизайна (некоторые из которых довольно нетрадиционны) без вмешательства человека, за исключением первоначальных спецификаций. Затем эти варианты дизайна могут быть непосредственно использованы или доработаны людьми. Аналогично, в инженерии генеративный ИИ может проектировать детали (например, компонент самолета), оптимизированные по весу и прочности, создавая новые формы, которые человек, возможно, и не смог бы придумать.

• Игровые ресурсы: Искусственный интеллект может автоматически генерировать текстуры, 3D-модели или даже целые уровни для видеоигр. Разработчики используют это для ускорения создания контента. Некоторые инди-игры начали включать в себя процедурно сгенерированные изображения и даже диалоги (с помощью языковых моделей) для создания обширных, динамичных игровых миров с минимальным количеством созданных человеком ресурсов.

• Анимация и видео (перспективные направления): Хотя генеративный ИИ для видео менее развит, чем статичные изображения, он развивается. ИИ уже может создавать короткие видеоклипы или анимации на основе заданных параметров, хотя качество пока нестабильно. Технология Deepfake — генеративная технология — может создавать реалистичные замены лиц или клоны голосов. В контролируемых условиях студия могла бы использовать ИИ для автоматического создания фоновой сцены или анимации толпы.

Примечательно, что Gartner предсказала, что к 2030 году мы увидим крупный блокбастер, 90% контента которого (от сценария до визуальных эффектов) будет создано искусственным интеллектом ( Generative AI Use Cases for Industries and Enterprises ). К 2025 году мы еще не достигли этой цели – ИИ не может самостоятельно создать полнометражный фильм. Но элементы этой головоломки развиваются: генерация сценария (текстовый ИИ), генерация персонажей и сцен (изображения/видео ИИ), озвучивание (клоны голосов ИИ) и помощь в монтаже (ИИ уже может помогать с монтажом и переходами).

Прогноз на 2030-2035 годы: создание медиаконтента с помощью ИИ в больших масштабах

В перспективе роль генеративного ИИ в изобразительном искусстве и дизайне значительно расширится. К 2035 году мы ожидаем, что ИИ станет основным создателем контента во многих визуальных медиа, часто работая с минимальным участием человека, за исключением первоначального руководства. Вот некоторые прогнозы:

• Фильмы и видеоролики, полностью созданные с помощью ИИ: В ближайшие десять лет вполне возможно, что мы увидим первые фильмы или сериалы, которые будут в значительной степени созданы с помощью ИИ. Люди могут задавать основные указания (например, план сценария или желаемый стиль), а ИИ будет рендерить сцены, создавать портреты актеров и анимировать все. Первые эксперименты с короткометражными фильмами, вероятно, начнутся в течение нескольких лет, а попытки создания полнометражных фильмов — к 2030-м годам. Эти фильмы, созданные с помощью ИИ, могут начаться с нишевых проектов (экспериментальная анимация и т. д.), но могут стать мейнстримом по мере повышения качества. Прогноз Gartner о том, что к 2030 году 90% фильмов будут созданы с помощью ИИ ( Примеры использования генеративного ИИ в промышленности и на предприятиях ), хотя и амбициозен, подчеркивает уверенность индустрии в том, что создание контента с помощью ИИ будет достаточно сложным, чтобы взять на себя большую часть работы в кинопроизводстве.

• Автоматизация проектирования: В таких областях, как мода или архитектура, генеративный ИИ, вероятно, будет использоваться для автономной разработки сотен концепций дизайна на основе таких параметров, как «стоимость, материалы, стиль X», оставляя выбор окончательного варианта людям. Это меняет существующую динамику: вместо того, чтобы дизайнеры создавали с нуля и, возможно, использовали ИИ для вдохновения, дизайнеры будущего могут выступать в роли кураторов, выбирая лучшие проекты, созданные ИИ, и, возможно, дорабатывая их. К 2035 году архитектор сможет ввести требования к зданию и получить полные чертежи в качестве предложений от ИИ (все они будут структурно обоснованными благодаря встроенным инженерным правилам).

• Создание персонализированного контента: мы можем увидеть, как ИИ создают визуальные образы на лету для отдельных пользователей. Представьте себе видеоигру или виртуальную реальность в 2035 году, где пейзажи и персонажи адаптируются к предпочтениям игрока, генерируемым ИИ в реальном времени. Или персонализированные комиксы, создаваемые на основе дня пользователя — автономный «ежедневный комикс» на основе ИИ, который автоматически превращает ваш текстовый дневник в иллюстрации каждый вечер.

• Мультимодальное творчество: Генеративные системы искусственного интеллекта становятся все более мультимодальными — это означает, что они могут обрабатывать текст, изображения, аудио и т. д. одновременно. Объединив их, ИИ мог бы взять простой запрос, например, «Создайте мне маркетинговую кампанию для продукта X», и сгенерировать не только текстовый контент, но и соответствующую графику, возможно, даже короткие рекламные видеоролики, выдержанные в едином стиле. Подобный набор инструментов для создания контента в один клик, вероятно, станет доступен к началу 2030-х годов.

ли ИИ художников-людей ? Этот вопрос часто возникает. Вероятно, ИИ возьмет на себя большую часть производственной работы (особенно повторяющихся или требующих быстрой обработки произведений искусства, необходимых для бизнеса), но человеческое мастерство останется востребованным благодаря оригинальности и инновациям. К 2035 году автономный ИИ сможет надежно создавать картины в стиле известного художника, но создание нового стиля или глубоко культурно значимого произведения искусства по-прежнему может оставаться прерогативой человека (возможно, с участием ИИ в качестве соавтора). Мы предвидим будущее, где художники-люди будут работать бок о бок с автономными ИИ-«соавторами». Например, можно будет заказать персональному ИИ непрерывное создание произведений искусства для цифровой галереи у себя дома, обеспечивая постоянно меняющуюся творческую атмосферу.

С точки зрения надежности, визуальный генеративный ИИ в некоторых аспектах имеет более простой путь к автономности, чем текстовый: изображение может быть субъективно «достаточно хорошим», даже если оно не идеально, тогда как фактическая ошибка в тексте представляет собой большую проблему. Таким образом, мы уже наблюдаем относительно низкий уровень риска внедрения – если сгенерированный ИИ дизайн некрасив или неверен, вы просто не используете его, но сам по себе он не причиняет вреда. Это означает, что к 2030-м годам компании могут спокойно позволять ИИ создавать дизайн без контроля и привлекать людей только тогда, когда потребуется что-то действительно новое или рискованное.

Вкратце, к 2035 году ожидается, что генеративный ИИ станет мощным инструментом создания визуального контента, вероятно, ответственным за значительную часть изображений и медиаконтента вокруг нас. Он будет надежно генерировать контент для развлечений, дизайна и повседневного общения. Автономный художник уже на горизонте – хотя вопрос о том, следует ли рассматривать ИИ как творческий инструмент или просто как очень умный инструмент, будет обсуждаться по мере того, как его результаты станут неотличимы от созданных человеком.

Генеративный ИИ в разработке программного обеспечения (программировании)

Разработка программного обеспечения может показаться сугубо аналитической задачей, но в ней также присутствует творческий элемент — написание кода по сути является созданием текста на структурированном языке. Современный генеративный ИИ, особенно большие языковые модели, доказал свою высокую эффективность в программировании. Такие инструменты, как GitHub Copilot, Amazon CodeWhisperer и другие, выступают в роли программистов-партнеров, предлагая фрагменты кода или даже целые функции по мере ввода кода разработчиками. Насколько далеко это может продвинуться в направлении автономного программирования?

Текущие возможности (2025): ИИ как помощник в программировании

К 2025 году генераторы кода на основе ИИ станут обычным явлением в рабочих процессах многих разработчиков. Эти инструменты могут автоматически дополнять строки кода, генерировать шаблонный код (например, стандартные функции или тесты) и даже писать простые программы на основе описания на естественном языке. Однако, что особенно важно, они работают под наблюдением разработчика — разработчик проверяет и интегрирует предложения ИИ.

Некоторые актуальные факты и цифры:

• К концу 2023 года более половины профессиональных разработчиков внедрили ИИ-помощников в кодирование ( Coding on Copilot: 2023 Data Suggests Downward Pressure on Code Quality (incl 2024 forecasts) - GitClear ), что свидетельствует о быстром распространении. Сообщается, что GitHub Copilot, один из первых широко доступных инструментов, в среднем генерирует 30-40% кода в проектах, где он используется ( Coding is no more a MOAT. 46% of codes on GitHub is already ... ). Это означает, что ИИ уже пишет значительные части кода, хотя человек управляет им и проверяет его.

• Эти инструменты искусственного интеллекта превосходно справляются с такими задачами, как написание повторяющегося кода (например, классов моделей данных, методов getter/setter), преобразование одного языка программирования в другой или создание простых алгоритмов, похожих на обучающие примеры. Например, разработчик может написать комментарий «// функция для сортировки списка пользователей по имени», и ИИ практически мгновенно сгенерирует подходящую функцию сортировки.

• Они также помогают в исправлении ошибок и их объяснении : разработчики могут вставить сообщение об ошибке, и ИИ может предложить исправление, или спросить: «Что делает этот код?» и получить объяснение на естественном языке. В некотором смысле это автономный процесс (ИИ может самостоятельно диагностировать проблемы), но решение о применении исправления принимает человек.

• Важно отметить, что современные помощники по программированию на основе ИИ не являются непогрешимыми. Они могут предлагать небезопасный код или код, который почти решает проблему, но содержит скрытые ошибки. Поэтому сегодня лучшей практикой является привлечение человека к процессу – разработчик тестирует и отлаживает код, написанный ИИ, так же, как и код, написанный человеком. В регулируемых отраслях или в критически важном программном обеспечении (например, в медицинских или авиационных системах) любые разработки ИИ проходят строгую проверку.

Сегодня ни одна из распространенных программных систем не развертывается полностью с нуля, написанная искусственным интеллектом без контроля со стороны разработчиков. Однако появляются некоторые автономные или полуавтономные варианты их применения:

• Автоматически генерируемые модульные тесты: ИИ может анализировать код и создавать модульные тесты для охвата различных сценариев. Тестовая среда может автономно генерировать и запускать эти тесты, написанные ИИ, для выявления ошибок, дополняя тесты, написанные человеком.

• Платформы с низким/нулевым уровнем кодирования и использованием ИИ: Некоторые платформы позволяют непрограммистам описывать свои потребности (например, «создать веб-страницу с контактной формой и базой данных для сохранения записей»), а система генерирует код. Хотя это пока находится на ранней стадии развития, это указывает на будущее, где ИИ сможет автономно создавать программное обеспечение для стандартных сценариев использования.

• Скриптинг и связующий код: Автоматизация ИТ-процессов часто включает в себя написание скриптов для соединения систем. Инструменты искусственного интеллекта часто могут автоматически генерировать эти небольшие скрипты. Например, для написания скрипта для анализа файла журнала и отправки оповещения по электронной почте ИИ может создать рабочий скрипт с минимальными или нулевыми изменениями.

Перспективы на 2030-2035 годы: На пути к «саморазрабатываемому» программному обеспечению

В течение следующего десятилетия ожидается, что генеративный ИИ возьмет на себя большую часть работы по программированию, приближаясь к полностью автономной разработке программного обеспечения для определенных классов проектов. Вот некоторые прогнозируемые тенденции:

• Полная реализация функций: К 2030 году мы ожидаем, что ИИ сможет реализовывать простые функции приложений от начала до конца. Менеджер по продукту может описать функцию простым языком («Пользователи должны иметь возможность сбросить свой пароль по ссылке в электронном письме»), а ИИ сможет сгенерировать необходимый код (форма на стороне клиента, логика на стороне сервера, обновление базы данных, отправка электронных писем) и интегрировать его в кодовую базу. ИИ будет фактически выступать в роли младшего разработчика, способного следовать спецификациям. Инженер-человек сможет лишь провести проверку кода и запустить тесты. По мере повышения надежности ИИ проверка кода может свестись к беглому просмотру, если вообще будет проводиться.

• Автономное сопровождение кода: важная часть разработки программного обеспечения — это не просто написание нового кода, а обновление существующего: исправление ошибок, повышение производительности, адаптация к новым требованиям. Разработчики ИИ в будущем, вероятно, будут преуспевать в этом. Имея кодовую базу и директиву («наше приложение вылетает, когда слишком много пользователей одновременно входят в систему»), ИИ может обнаружить проблему (например, ошибку параллельного выполнения) и исправить её. К 2035 году системы ИИ смогут автоматически обрабатывать заявки на плановое техническое обслуживание в течение ночи, выступая в качестве неутомимой команды по обслуживанию программных систем.

• Интеграция и использование API: Поскольку все больше программных систем и API сопровождаются документацией, понятной для ИИ, агент ИИ может самостоятельно определить, как связать Систему А с Сервисом Б, написав соответствующий код. Например, если компания хочет, чтобы ее внутренняя система управления персоналом синхронизировалась с новым API для расчета заработной платы, она может поручить ИИ «обеспечить взаимодействие между ними», и он напишет код интеграции после изучения спецификаций обеих систем.

• Качество и оптимизация: В будущих моделях генерации кода, вероятно, будут использоваться механизмы обратной связи для проверки работоспособности кода (например, запуск тестов или симуляций в изолированной среде). Это означает, что ИИ сможет не только писать код, но и самостоятельно его корректировать, тестируя. К 2035 году мы можем представить себе ИИ, который, получив задачу, будет постоянно дорабатывать свой код до тех пор, пока все тесты не пройдут успешно — процесс, который человеку, возможно, не потребуется контролировать построчно. Это значительно повысит доверие к автономно генерируемому коду.

Можно представить себе сценарий к 2035 году, когда небольшой программный проект — скажем, специализированное мобильное приложение для бизнеса — будет разрабатываться в основном с помощью ИИ-агента, получающего высокоуровневые инструкции. В этом сценарии «разработчик»-человек будет скорее выполнять функции менеджера проекта или валидатора, определяя требования и ограничения (безопасность, правила стиля) и позволяя ИИ выполнять основную работу по написанию кода.

Однако в случае сложных, крупномасштабных программных продуктов (операционных систем, самих сложных алгоритмов ИИ и т. д.) участие экспертов-людей по-прежнему будет оставаться глубоко вовлеченным. Творческое решение проблем и архитектурное проектирование в программном обеспечении, вероятно, еще некоторое время будут оставаться прерогативой человека. ИИ может выполнять множество задач по кодированию, но решение о том, что создавать, и проектирование общей структуры — это совсем другая задача. Тем не менее, по мере того, как генеративный ИИ начнет сотрудничать — множество агентов ИИ будут обрабатывать различные компоненты системы — вполне возможно, что они смогут в некоторой степени совместно проектировать архитектуру (например, один ИИ предлагает проект системы, другой его критикует, и они вносят изменения, а человек контролирует процесс).

Одним из главных ожидаемых преимуществ ИИ в программировании является повышение производительности . Gartner прогнозирует, что к 2028 году 90% разработчиков программного обеспечения будут использовать помощников по написанию кода на основе ИИ (по сравнению с менее чем 15% в 2024 году) ( GitHub Copilot возглавляет исследовательский отчет по помощникам по написанию кода на основе ИИ — Visual Studio Magazine ). Это говорит о том, что тех, кто не использует ИИ, будет немного. Мы также можем увидеть нехватку разработчиков в определенных областях, которую ИИ сможет компенсировать; по сути, каждый разработчик сможет сделать гораздо больше с помощью помощника на основе ИИ, способного автономно создавать код.

Доверие останется центральным вопросом. Даже в 2035 году организациям необходимо будет обеспечить безопасность автономно сгенерированного кода (ИИ не должен вносить уязвимости) и его соответствие правовым/этическим нормам (например, ИИ не должен включать плагиат кода из библиотеки с открытым исходным кодом без соответствующей лицензии). Мы ожидаем, что усовершенствованные инструменты управления ИИ, способные проверять и отслеживать происхождение кода, написанного ИИ, помогут обеспечить более автономное программирование без риска.

Вкратце, к середине 2030-х годов генеративный ИИ, вероятно, возьмет на себя львиную долю кодирования для рутинных задач разработки программного обеспечения и значительно поможет в сложных. Жизненный цикл разработки программного обеспечения станет гораздо более автоматизированным — от требований до развертывания — при этом ИИ потенциально будет автоматически генерировать и развертывать изменения кода. Разработчики-люди будут больше сосредоточены на высокоуровневой логике, пользовательском опыте и контроле, в то время как агенты ИИ будут заниматься деталями реализации.

Генеративный ИИ в сфере обслуживания и поддержки клиентов

Если вы в последнее время общались с онлайн-службой поддержки клиентов в чате, велика вероятность, что хотя бы часть разговора проходила с участием искусственного интеллекта. Обслуживание клиентов — это область, идеально подходящая для автоматизации с помощью ИИ: оно включает в себя ответы на запросы пользователей, с чем генеративный ИИ (особенно разговорные модели) справляется довольно хорошо, и часто следует сценариям или статьям из базы знаний, которым ИИ может научиться. Насколько автономно ИИ может взаимодействовать с клиентами?

Современные возможности (2025): Чат-боты и виртуальные агенты на передовой

На сегодняшний день многие организации используют чат-боты на основе искусственного интеллекта в качестве первого контакта в службе поддержки клиентов. Они варьируются от простых ботов, основанных на правилах («Нажмите 1 для выставления счетов, 2 для поддержки…»), до продвинутых чат-ботов на основе генеративного ИИ, способных интерпретировать вопросы в свободной форме и отвечать в диалоговом режиме. Ключевые моменты:

• Обработка распространенных вопросов: агенты на основе ИИ отлично справляются с ответами на часто задаваемые вопросы, предоставлением информации (часы работы, правила возврата средств, шаги по устранению известных проблем) и сопровождением пользователей в стандартных процедурах. Например, чат-бот на основе ИИ для банка может автономно помочь пользователю проверить баланс счета, сбросить пароль или объяснить, как подать заявку на кредит, без участия человека.

• Понимание естественного языка: Современные генеративные модели позволяют обеспечить более гибкое и «человекоподобное» взаимодействие. Клиенты могут задать вопрос своими словами, и ИИ, как правило, сможет понять его намерение. Компании сообщают, что современные агенты ИИ гораздо лучше удовлетворяют клиентов, чем неуклюжие боты нескольких лет назад — почти половина клиентов теперь считают, что агенты ИИ могут проявлять эмпатию и эффективно решать проблемы ( 59 статистических данных об обслуживании клиентов с помощью ИИ за 2025 год ), что свидетельствует о растущем доверии к услугам, предоставляемым ИИ.

• Многоканальная поддержка: ИИ используется не только в чате. Голосовые помощники (например, системы интерактивного голосового ответа (IVR) с поддержкой ИИ) начинают обрабатывать звонки, а ИИ также может составлять электронные письма с ответами на запросы клиентов, которые могут отправляться автоматически, если будут сочтены точными.

• Когда в дело вмешивается человек: Как правило, если ИИ запутывается или вопрос слишком сложен, он передает его человеку. Современные системы хорошо знают свои пределы во многих случаях. Например, если клиент задает необычный вопрос или проявляет раздражение («Я обращаюсь к вам уже в третий раз, и я очень расстроен…»), ИИ может указать на это человеку, чтобы тот взял дело в свои руки. Порог для передачи вопроса устанавливается компаниями, чтобы сбалансировать эффективность и удовлетворенность клиентов.

Многие компании сообщают, что значительная часть взаимодействий решается исключительно с помощью ИИ. Согласно отраслевым опросам, сегодня около 70-80% стандартных запросов клиентов могут быть обработаны чат-ботами на основе ИИ, а около 40% взаимодействий компаний с клиентами по различным каналам уже автоматизированы или осуществляются с помощью ИИ ( 52 статистических данных об ИИ в сфере обслуживания клиентов, которые вам следует знать - Plivo ). Глобальный индекс внедрения ИИ от IBM (2022) показал, что 80% компаний либо используют, либо планируют использовать чат-боты на основе ИИ для обслуживания клиентов к 2025 году.

Интересной тенденцией является то, что ИИ не просто отвечает клиентам, но и активно помогает операторам в режиме реального времени. Например, во время онлайн-чата или звонка ИИ может выслушать клиента и мгновенно предложить варианты ответов или необходимую информацию. Это размывает грань автономии – ИИ не взаимодействует с клиентом в одиночку, а активно участвует в процессе без явных запросов со стороны человека. Фактически он выступает в роли автономного консультанта для оператора.

Прогноз на 2030-2035 годы: Взаимодействие с клиентами в значительной степени будет осуществляться с помощью искусственного интеллекта

Ожидается, что к 2030 году большинство взаимодействий с клиентами в сфере обслуживания будут осуществляться с помощью ИИ, причем многие из них будут полностью обрабатываться ИИ от начала до конца. Прогнозы и тенденции, подтверждающие это:

• Решены более сложные запросы: по мере того, как модели ИИ интегрируют обширные знания и улучшают способность к рассуждению, они смогут обрабатывать более сложные запросы клиентов. Вместо простого ответа на вопрос «Как мне вернуть товар?», будущий ИИ сможет обрабатывать многоэтапные проблемы, такие как: «У меня не работает интернет, я пытался перезагрузить устройство, можете помочь?», диагностируя проблему посредством диалога, направляя клиента через сложные процедуры устранения неполадок и, только если ничего не помогает, назначая вызов специалиста — задачи, которые сегодня, скорее всего, потребуют участия человека-специалиста по поддержке. В сфере обслуживания клиентов в здравоохранении ИИ может обрабатывать запросы пациентов на прием или запросы по страхованию от начала до конца.

• Комплексное решение проблем: мы можем увидеть, как ИИ не просто указывает клиенту, что делать, а фактически выполняет это от его имени в рамках внутренних систем. Например, если клиент говорит: «Я хочу изменить свой рейс на следующий понедельник и добавить еще один багаж», агент ИИ в 2030 году может напрямую взаимодействовать с системой бронирования авиакомпании, внести изменения, обработать оплату за багаж и подтвердить это клиенту — все автономно. ИИ становится полноценным агентом, а не просто источником информации.

• Вездесущие агенты ИИ: Компании, вероятно, будут внедрять ИИ во все точки взаимодействия с клиентами — телефон, чат, электронная почта, социальные сети. Многие клиенты могут даже не понимать, разговаривают ли они с ИИ или с человеком, особенно по мере того, как голоса ИИ становятся более естественными, а ответы в чате — более контекстно-зависимыми. К 2035 году обращение в службу поддержки клиентов часто может означать взаимодействие с интеллектуальным ИИ, который помнит ваши предыдущие взаимодействия, понимает ваши предпочтения и адаптируется к вашему тону — по сути, персонализированный виртуальный агент для каждого клиента.

• Принятие решений ИИ во взаимодействии: помимо ответов на вопросы, ИИ начнет принимать решения, которые в настоящее время требуют одобрения руководства. Например, сегодня человеку-оператору может потребоваться одобрение руководителя, чтобы предложить возврат средств или специальную скидку для успокоения разгневанного клиента. В будущем ИИ может быть доверено принимать такие решения в определенных пределах, на основе рассчитанной пожизненной ценности клиента и анализа настроений. Исследование Futurum/IBM прогнозирует, что к 2030 году около 69% решений, принимаемых во время взаимодействия с клиентами в режиме реального времени, будут приниматься интеллектуальными машинами ( Чтобы переосмыслить переход к CX, маркетологи должны сделать эти 2 вещи ) – по сути, ИИ будет определять наилучший курс действий во взаимодействии.

• 100% участие ИИ: В одном из отчетов предполагается, что ИИ в конечном итоге будет играть роль в каждом взаимодействии с клиентом ( 59 статистических данных об использовании ИИ в сфере обслуживания клиентов за 2025 год ), будь то на переднем плане или в фоновом режиме. Это может означать, что даже если человек взаимодействует с клиентом, ему будет помогать ИИ (предлагая варианты, получая информацию). В качестве альтернативы, можно сказать, что ни один запрос клиента не останется без ответа — если люди не в сети, ИИ всегда рядом.

К 2035 году мы можем обнаружить, что операторы службы поддержки клиентов специализируются только на самых деликатных или требующих тесного контакта ситуациях (например, VIP-клиенты или разрешение сложных жалоб, требующих человеческого сочувствия). Обычные запросы — от банковских услуг и розничной торговли до технической поддержки — могут обрабатываться круглосуточно работающим парком агентов искусственного интеллекта, постоянно обучающихся на каждом взаимодействии. Этот сдвиг может сделать обслуживание клиентов более стабильным и оперативным, поскольку ИИ не заставляют людей ждать на линии и теоретически могут одновременно обрабатывать неограниченное количество клиентов.

На пути к реализации этой концепции необходимо преодолеть ряд трудностей: ИИ должен быть очень надежным, чтобы справляться с непредсказуемостью поведения клиентов. Он должен уметь распознавать сленг, гнев, замешательство и бесконечное разнообразие способов общения людей. Ему также необходимы актуальные знания (нет смысла в устаревшей информации, предоставляемой ИИ). Инвестиции в интеграцию ИИ с базами данных компаний (для получения информации о заказах, сбоях и т. д. в режиме реального времени) позволят решить эти проблемы.

С этической точки зрения компаниям необходимо будет решить, когда раскрывать информацию о том, что «вы общаетесь с ИИ», и обеспечить справедливость (ИИ не будет относиться к определенным клиентам негативно из-за предвзятого обучения). При условии, что эти вопросы будут решены, экономическое обоснование будет убедительным: обслуживание клиентов с помощью ИИ может значительно сократить затраты и время ожидания. По прогнозам, рынок ИИ в сфере обслуживания клиентов вырастет до десятков миллиардов долларов к 2030 году ( Отчет о рынке ИИ в сфере обслуживания клиентов 2025-2030: Пример ) ( Как генеративный ИИ улучшает логистику | Ryder ), поскольку организации инвестируют в эти возможности.

Вкратце, следует ожидать будущего, в котором автономное обслуживание клиентов с помощью ИИ станет нормой . Получение помощи часто будет означать взаимодействие с интеллектуальной машиной, способной быстро решить вашу проблему. Люди по-прежнему будут участвовать в процессе контроля и обработки нестандартных ситуаций, но скорее в качестве руководителей работы ИИ. Результатом может стать более быстрое и персонализированное обслуживание потребителей — при условии, что ИИ будет должным образом обучен и контролироваться, чтобы предотвратить разочарование, связанное с «роботизированными горячими линиями» прошлого.

Генеративный искусственный интеллект в здравоохранении и медицине

Здравоохранение — это область, где ставки высоки. Идея работы ИИ без человеческого контроля в медицине вызывает как восторг (из-за эффективности и охвата), так и опасения (из соображений безопасности и эмпатии). Генеративный ИИ начал проникать в такие области, как анализ медицинских изображений, клиническая документация и даже разработка лекарств. Что он может ответственно делать самостоятельно?

Текущие возможности (2025): Оказание помощи врачам, а не их замена

В настоящее время генеративный ИИ в здравоохранении в основном служит мощным помощником для медицинских специалистов, а не автономным органом, принимающим решения. Например:

• Медицинская документация: Одним из наиболее успешных примеров применения ИИ в здравоохранении является помощь врачам в оформлении документов. Модели обработки естественного языка могут расшифровывать записи о посещениях пациентов и генерировать клинические заметки или выписные эпикризы. Компании используют «ИИ-писцов», которые прослушивают запись во время осмотра (через микрофон) и автоматически создают черновик записи о приеме для проверки врачом. Это экономит время врачей на наборе текста. Некоторые системы даже автоматически заполняют части электронных медицинских карт. Это можно сделать с минимальным вмешательством — врач просто исправляет мелкие ошибки в черновике, что означает, что написание записей в значительной степени автономно.

• Радиология и визуализация: Искусственный интеллект, включая генеративные модели, может анализировать рентгеновские снимки, МРТ и КТ для выявления аномалий (таких как опухоли или переломы). В 2018 году FDA одобрило систему ИИ для автономного обнаружения диабетической ретинопатии (заболевания глаз) на изображениях сетчатки — примечательно, что ей было разрешено принимать решение без консультации со специалистом в данном конкретном контексте скрининга. Эта система не являлась генеративным ИИ, но она показывает, что регулирующие органы разрешили автономную диагностику с помощью ИИ в ограниченных случаях. Генеративные модели используются для создания подробных отчетов. Например, ИИ может изучить рентгеновский снимок грудной клетки и составить заключение рентгенолога, в котором будет написано: «Острых изменений нет. Легкие чистые. Сердце нормального размера». Затем рентгенолог просто подтверждает и подписывает. В некоторых рутинных случаях эти отчеты потенциально могут быть отправлены без правок, если рентгенолог доверяет ИИ и просто проводит быструю проверку.

• Проверка симптомов и виртуальные медсестры: чат-боты на основе генеративного ИИ используются в качестве средств проверки симптомов на передовой. Пациенты могут ввести свои симптомы и получить рекомендации (например, «Это может быть обычная простуда; отдых и питье, но обратитесь к врачу, если возникнет X или Y»). Такие приложения, как Babylon Health, используют ИИ для предоставления рекомендаций. В настоящее время эти рекомендации, как правило, носят информационный характер, а не являются окончательными медицинскими советами, и они призывают к дальнейшему обращению к врачу в случае серьезных проблем.

• Разработка лекарств (генеративная химия): Генеративные модели ИИ могут предлагать новые молекулярные структуры для лекарств. Это больше относится к области исследований, чем к лечению пациентов. Эти ИИ работают автономно, предлагая тысячи потенциальных соединений с желаемыми свойствами, которые затем химики-люди изучают и тестируют в лаборатории. Такие компании, как Insilico Medicine, использовали ИИ для создания новых кандидатов в лекарства за значительно меньшее время. Хотя это напрямую не взаимодействует с пациентами, это пример того, как ИИ автономно создает решения (молекулярные конструкции), на поиск которых человеку потребовалось бы гораздо больше времени.

• Операции в здравоохранении: Искусственный интеллект помогает оптимизировать планирование, управление поставками и другие логистические процессы в больницах. Например, генеративная модель может имитировать поток пациентов и предлагать корректировки расписания для сокращения времени ожидания. Хотя эти решения не так заметны, ИИ может принимать их с минимальными изменениями, внесенными вручную.

Важно отметить, что по состоянию на 2025 год ни одна больница не позволит ИИ самостоятельно принимать важные медицинские решения или назначать лечение без одобрения человека. Диагностика и планирование лечения остаются в руках человека, а ИИ предоставляет лишь обратную связь. Доверия, необходимого для того, чтобы ИИ мог полностью автономно сообщить пациенту: «У вас рак», или назначить лекарство, пока нет, да и не должно быть без тщательной проверки. Медицинские работники используют ИИ как «второй взгляд» или как инструмент для экономии времени, но они проверяют критически важные результаты.

Перспективы на 2030-2035 годы: ИИ как коллега врача (а может быть, и медсестры или фармацевта)

В ближайшее десятилетие мы ожидаем, что генеративный искусственный интеллект будет автономно выполнять больше рутинных клинических задач и расширит охват медицинских услуг:

• Автоматизированная предварительная диагностика: к 2030 году ИИ сможет надежно проводить первичный анализ многих распространенных заболеваний. Представьте себе систему ИИ в клинике, которая считывает симптомы пациента, историю болезни, даже тон и выражение лица с помощью камеры и предлагает диагностическое заключение и рекомендуемые анализы — и все это еще до того, как врач осмотрит пациента. Затем врач сможет сосредоточиться на подтверждении и обсуждении диагноза. В телемедицине пациент может сначала пообщаться с ИИ, который сужает круг возможных диагнозов (например, вероятная инфекция пазух носа или что-то более серьезное), а затем, при необходимости, связать его с врачом. Регуляторы могут разрешить ИИ официально диагностировать некоторые незначительные заболевания без участия человека, если будет доказана его высокая точность — например, ИИ сможет диагностировать простую инфекцию уха по изображению отоскопа.

• Персональные мониторы здоровья: с распространением носимых устройств (умных часов, датчиков здоровья) искусственный интеллект будет непрерывно отслеживать состояние пациентов и автономно предупреждать о проблемах. Например, к 2035 году ИИ вашего носимого устройства сможет обнаружить аномальный сердечный ритм и автоматически назначить срочную виртуальную консультацию или даже вызвать скорую помощь, если обнаружит признаки инфаркта или инсульта. Это переходит в область автономного принятия решений — определение чрезвычайной ситуации и принятие соответствующих мер — что является вероятным и спасающим жизнь применением ИИ.

• Рекомендации по лечению: Генеративный ИИ, обученный на медицинской литературе и данных пациентов, может предлагать персонализированные планы лечения. К 2030 году для сложных заболеваний, таких как рак, онкологические консилиумы на основе ИИ смогут анализировать генетический состав и историю болезни пациента и автономно составлять рекомендуемый режим лечения (план химиотерапии, выбор препаратов). Врачи-люди будут его рассматривать, но со временем, по мере роста доверия, они могут начать принимать планы, сгенерированные ИИ, особенно для рутинных случаев, корректируя их только при необходимости.

• Виртуальные медсестры и уход на дому: искусственный интеллект, способный общаться и давать медицинские рекомендации, мог бы взять на себя большую часть последующего наблюдения и мониторинга хронических заболеваний. Например, пациенты с хроническими заболеваниями, находящиеся дома, могли бы ежедневно сообщать показатели помощнику-медсестре на основе ИИ, который давал бы советы («У вас немного повышен уровень сахара в крови, подумайте о том, чтобы скорректировать свой вечерний перекус») и обращался бы к медсестре только тогда, когда показатели выходят за пределы нормы или возникают проблемы. Этот ИИ мог бы работать в значительной степени автономно под удаленным наблюдением врача.

• Медицинская визуализация и лабораторный анализ – полностью автоматизированные конвейеры: к 2035 году в некоторых областях анализ медицинских снимков может преимущественно выполняться искусственным интеллектом. Радиологи будут контролировать системы ИИ и обрабатывать сложные случаи, но большинство нормальных снимков (которые действительно являются нормальными) могут быть «прочитаны» и утверждены ИИ напрямую. Аналогичным образом, анализ патологических препаратов (например, обнаружение раковых клеток в биопсии) может проводиться автономно для первичного скрининга, что значительно ускорит получение результатов лабораторных исследований.

• Разработка лекарств и клинические испытания: Искусственный интеллект, вероятно, будет не только разрабатывать молекулы лекарств, но и генерировать синтетические данные о пациентах для испытаний или находить оптимальных кандидатов для испытаний. Он может автономно проводить виртуальные испытания (имитируя реакцию пациентов), чтобы сузить круг вариантов до начала реальных испытаний. Это позволит быстрее выводить лекарства на рынок с меньшим количеством экспериментов, проводимых человеком.

Представление о враче-искусственном интеллекте, полностью заменяющем врача-человека, пока еще довольно далеко и вызывает споры. Даже к 2035 году ожидается, что ИИ будет служить коллегой врачам , а не заменой человеческого контакта. Сложная диагностика часто требует интуиции, этических принципов и диалога для понимания контекста пациента — областей, в которых врачи-люди преуспевают. При этом ИИ может взять на себя, скажем, 80% рутинной работы: оформление документов, простые случаи, мониторинг и т. д., позволяя врачам-людям сосредоточиться на сложных 20% и на отношениях с пациентами.

Существуют значительные препятствия: получение разрешения на использование автономного ИИ в здравоохранении требует строгих мер регулирования (и это оправдано). Системы ИИ потребуют обширной клинической проверки. Мы можем наблюдать постепенное внедрение – например, ИИ может быть разрешено автономно диагностировать или лечить заболевания в малообеспеченных районах, где нет врачей, как способ расширения доступа к медицинской помощи (представьте себе «клинику ИИ» в отдаленной деревне к 2030 году, которая будет работать с периодическим дистанционным наблюдением врача из города).

Этические аспекты играют огромную роль. Ответственность (кто несет ответственность, если автономный ИИ ошибается в диагностике?), информированное согласие (пациенты должны знать, участвует ли ИИ в их лечении) и обеспечение равенства (ИИ хорошо работает для всех групп населения, избегая предвзятости) — вот проблемы, которые необходимо решить. Если эти проблемы будут решены, к середине 2030-х годов генеративный ИИ может быть интегрирован в систему здравоохранения, выполняя множество задач, которые освободят медицинских работников от рутинной работы и потенциально позволят охватить пациентов, которые в настоящее время имеют ограниченный доступ к медицинской помощи.

Вкратце, к 2035 году в здравоохранении, вероятно, произойдет глубокая интеграция ИИ, но в основном в фоновом режиме или в качестве вспомогательного инструмента. Мы будем доверять ИИ выполнение многих задач самостоятельно — чтение снимков, отслеживание жизненно важных показателей, составление планов лечения — но при этом сохранится система человеческого контроля для принятия важных решений. Результатом может стать более эффективная и оперативная система здравоохранения, где ИИ возьмет на себя основную работу, а люди будут проявлять эмпатию и выносить окончательные решения.

Генеративный ИИ в образовании

Образование — ещё одна область, где генеративный ИИ производит фурор: от ботов-репетиторов на базе ИИ до автоматизированной проверки работ и создания контента. Преподавание и обучение включают в себя коммуникацию и творчество, что является сильной стороной генеративных моделей. Но можно ли доверять ИИ в вопросах обучения без участия учителя?

Текущие возможности (2025): Репетиторы и создатели контента под контролем

В настоящее время ИИ используется в образовании преимущественно как вспомогательный инструмент, а не как самостоятельная система обучения. Примеры текущего использования:

• Искусственный интеллект в качестве помощника-репетитора: такие инструменты, как «Khanmigo» от Khan Academy (на базе GPT-4) или различные приложения для изучения языков, используют ИИ для имитации индивидуального общения с репетитором или собеседником. Студенты могут задавать вопросы на естественном языке и получать ответы или объяснения. ИИ может давать подсказки к домашним заданиям, объяснять концепции различными способами или даже разыгрывать роль исторической личности в интерактивном уроке истории. Однако использование таких ИИ-репетиторов обычно осуществляется под контролем; преподаватели или разработчики приложений часто отслеживают диалоги или устанавливают границы того, что может обсуждать ИИ (во избежание дезинформации или неприемлемого контента).

• Создание контента для учителей: генеративный ИИ помогает учителям, создавая вопросы для викторин, краткие изложения прочитанного, планы уроков и так далее. Учитель может попросить ИИ: «Сгенерируйте 5 практических задач по квадратным уравнениям с ответами», экономя время на подготовке. Это автономная генерация контента, но учитель обычно проверяет результат на точность и соответствие учебной программе. Поэтому это скорее инструмент для экономии трудозатрат, чем полностью независимый инструмент.

• Оценивание и обратная связь: ИИ может автоматически оценивать тесты с множественным выбором (в этом нет ничего нового) и все чаще может оценивать короткие ответы или эссе. Некоторые школьные системы используют ИИ для оценки письменных ответов и предоставления обратной связи учащимся (например, исправления грамматических ошибок, предложения по расширению аргументации). Хотя это и не является генеративной задачей как таковой, новые системы ИИ могут даже создавать персонализированный отчет об обратной связи для ученика на основе его успеваемости, выделяя области, требующие улучшения. Учителя часто перепроверяют эссе, оцененные ИИ, на этом этапе из-за опасений по поводу нюансов.

• Адаптивные системы обучения: это платформы, которые корректируют сложность или стиль материала в зависимости от успеваемости ученика. Генеративный ИИ улучшает этот процесс, создавая новые задачи или примеры в режиме реального времени, адаптированные к потребностям ученика. Например, если у ученика возникают трудности с пониманием какой-либо концепции, ИИ может сгенерировать другую аналогию или практическое задание, посвященное этой концепции. Это в некоторой степени автономно, но в рамках системы, разработанной педагогами.

• Использование студентами инструментов для обучения: Студенты сами используют такие инструменты, как ChatGPT, для помощи в обучении — запрашивают разъяснения, переводы или даже используют ИИ для получения обратной связи по черновику эссе («улучшите мой вводный абзац»). Это самостоятельный процесс, который может осуществляться без ведома преподавателя. В этом сценарии ИИ выступает в роли репетитора или корректора по запросу. Задача состоит в том, чтобы гарантировать, что студенты используют его для обучения, а не просто для получения ответов (академическая честность).

Совершенно очевидно, что к 2025 году ИИ в образовании обладает огромным потенциалом, но обычно работает в тесном взаимодействии с педагогом-человеком, который отбирает и корректирует вклад ИИ. Понятно, что существует определенная осторожность: мы не хотим доверять ИИ преподавание неверной информации или обработку деликатных вопросов учащихся в отрыве от контекста. Учителя рассматривают ИИ-репетиторов как полезных помощников, которые могут дать ученикам больше практики и немедленные ответы на рутинные вопросы, освобождая учителей от необходимости уделять больше внимания более глубокому наставничеству.

Прогноз на 2030-2035 годы: персонализированные ИИ-репетиторы и автоматизированные вспомогательные средства обучения

В течение следующего десятилетия мы ожидаем, что генеративный искусственный интеллект позволит создавать более персонализированные и автономные условия обучения , а роль учителей будет меняться:

• Персональные репетиторы на основе ИИ для каждого ученика: к 2030 году, по мнению экспертов, таких как Сал Хан из Khan Academy, каждый ученик сможет получить доступ к репетитору на основе ИИ, который во многих отношениях будет так же эффективен, как и человек-репетитор ( его создатель утверждает, что такой репетитор на основе ИИ может сделать людей в 10 раз умнее ). Эти репетиторы на основе ИИ будут доступны круглосуточно, будут досконально знать историю обучения ученика и соответствующим образом адаптировать свой стиль преподавания. Например, если ученик, воспринимающий информацию визуально, испытывает трудности с пониманием алгебраических понятий, ИИ может динамически создать визуальное объяснение или интерактивную симуляцию, чтобы помочь ему. Поскольку ИИ может отслеживать прогресс ученика во времени, он может автономно решать, какую тему повторить дальше или когда перейти к новому навыку — эффективно управляя планом обучения для этого ученика на микроуровне.

• Снижение нагрузки на учителей в выполнении рутинных задач: проверка работ, составление рабочих листов, разработка учебных материалов — к 2030-м годам эти задачи могут быть практически полностью переданы искусственному интеллекту. ИИ мог бы генерировать индивидуальные домашние задания на неделю, оценивать все задания прошлой недели (даже открытые) с обратной связью и указывать учителю, каким ученикам может потребоваться дополнительная помощь по темам. Это могло бы происходить с минимальным участием учителя, возможно, лишь с беглым взглядом, чтобы убедиться, что оценки ИИ кажутся справедливыми.

• Автономные адаптивные платформы обучения: мы можем увидеть курсы по определенным предметам, полностью управляемые искусственным интеллектом. Представьте себе онлайн-курс без преподавателя-человека, где агент ИИ представляет материал, приводит примеры, отвечает на вопросы и регулирует темп обучения в зависимости от студента. Опыт студента может быть уникальным и генерироваться в режиме реального времени. Некоторые корпоративные тренинги и программы обучения взрослых могут перейти к этой модели раньше, и к 2035 году сотрудник сможет сказать: «Я хочу изучить продвинутые макросы Excel», и ИИ-репетитор обучит его по персонализированной программе, включая создание упражнений и оценку его решений, без участия человека-тренера.

• Искусственный интеллект в качестве помощника в классе: в физических или виртуальных классах ИИ мог бы прослушивать обсуждения и оперативно помогать преподавателю (например, шепча подсказки через наушник: «Несколько студентов, похоже, запутались в этом понятии, возможно, стоит привести другой пример»). Он также мог бы модерировать онлайн-форумы, отвечать на простые вопросы студентов («Когда нужно сдать задание?» или даже разъяснять какой-либо момент лекции), чтобы преподаватель не был завален электронными письмами. К 2035 году присутствие в классе ИИ-сопреподавателя, в то время как преподаватель-человек сосредоточится на более сложных вопросах и мотивации, может стать стандартом.

• Глобальный доступ к образованию: автономные ИИ-репетиторы могут помочь в обучении учащихся в регионах с нехваткой учителей. Планшет с ИИ-репетитором может служить основным учителем для учащихся, имеющих ограниченный доступ к образованию, охватывая базовые навыки чтения и письма, а также математику. К 2035 году это может стать одним из наиболее значимых применений — ИИ будет преодолевать разрывы там, где нет учителей-людей. Однако обеспечение качества и культурной приемлемости образования с использованием ИИ в различных контекстах будет иметь решающее значение.

Заменит ли ИИ учителей? Вряд ли полностью. Преподавание — это больше, чем просто передача контента: это наставничество, вдохновение, социально-эмоциональная поддержка. Эти человеческие элементы ИИ сложно воспроизвести. Но ИИ может стать вторым учителем в классе или даже первым учителем для передачи знаний, позволяя педагогам-людям сосредоточиться на том, что люди умеют лучше всего: сопереживать, мотивировать и развивать критическое мышление.

Необходимо решить ряд проблем: обеспечение точности информации, предоставляемой ИИ (отсутствие образовательных иллюзий, основанных на ложных фактах), предотвращение предвзятости в образовательном контенте, защита конфиденциальности данных учащихся и поддержание вовлеченности учащихся (ИИ должен мотивировать, а не просто давать правильные ответы). Вероятно, мы увидим аккредитацию или сертификацию образовательных систем на основе ИИ — подобно утверждению учебников — для обеспечения соответствия стандартам.

Ещё одна проблема — чрезмерная зависимость: если ИИ-репетитор даёт ответы слишком легко, студенты могут не развить в себе настойчивость или навыки решения проблем. Чтобы смягчить это, в будущем ИИ-репетиторы могут быть разработаны таким образом, чтобы иногда позволять студентам испытывать трудности (как это делал бы человек-репетитор) или побуждать их решать задачи с помощью подсказок, а не давать готовые решения.

К 2035 году учебный процесс может преобразиться: каждый ученик получит устройство, подключенное к системе искусственного интеллекта, которое будет направлять его в собственном темпе, а учитель будет организовывать групповые занятия и оказывать человеческую поддержку. Образование может стать более эффективным и персонализированным. Обещание состоит в том, что каждый ученик получит необходимую помощь тогда, когда она ему нужна – настоящий «личный репетитор» в масштабе. Риск заключается в потере части человеческого контакта или злоупотреблении ИИ (например, студенты будут списывать с помощью ИИ). Но в целом, при правильном управлении, генеративный ИИ способен демократизировать и улучшить обучение, став всегда доступным и знающим помощником на образовательном пути студента.

Генеративный ИИ в логистике и цепочках поставок

Логистика — искусство и наука перемещения товаров и управления цепочками поставок — может показаться нетрадиционной областью для «генеративного» ИИ, но в этой сфере ключевое значение имеют творческое решение проблем и планирование. Генеративный ИИ может помочь, моделируя сценарии, оптимизируя планы и даже управляя роботизированными системами. Цель в логистике — эффективность и экономия затрат, что хорошо согласуется с сильными сторонами ИИ в анализе данных и предложении решений. Так насколько автономным может стать ИИ в управлении цепочками поставок и логистическими операциями?

Текущие возможности (2025): оптимизация и упрощение процессов при человеческом контроле

Сегодня искусственный интеллект (включая некоторые генеративные подходы) применяется в логистике прежде всего как инструмент поддержки принятия решений :

• Оптимизация маршрутов: Такие компании, как UPS и FedEx, уже используют алгоритмы искусственного интеллекта для оптимизации маршрутов доставки, обеспечивая выбор водителями наиболее эффективного пути. Традиционно это были алгоритмы исследования операций, но теперь генеративные подходы могут помочь изучить альтернативные стратегии маршрутизации в различных условиях (пробки, погода). Хотя ИИ предлагает маршруты, диспетчеры или менеджеры устанавливают параметры (например, приоритеты) и могут вносить изменения при необходимости.

• Планирование загрузки и использования пространства: при упаковке грузовиков или контейнеров ИИ может генерировать оптимальные планы загрузки (какая коробка куда поместится). Генеративный ИИ может создавать несколько конфигураций упаковки для максимального использования пространства, по сути, «создавая» решения, из которых люди могут выбирать. Это было отмечено в исследовании, показавшем, что в США грузовики часто ездят на 30% пустыми, и более эффективное планирование, осуществляемое с помощью ИИ, может сократить эти потери ( Лучшие примеры использования генеративного ИИ в логистике ). Эти сгенерированные ИИ планы загрузки направлены на сокращение затрат на топливо и выбросов, и на некоторых складах они выполняются с минимальными изменениями, внесенными вручную.

• Прогнозирование спроса и управление запасами: модели ИИ могут прогнозировать спрос на продукцию и разрабатывать планы пополнения запасов. Генеративная модель может моделировать различные сценарии спроса (например, ИИ «представляет» себе всплеск спроса в связи с предстоящим праздником) и соответствующим образом планировать запасы. Это помогает менеджерам цепочки поставок подготовиться. В настоящее время ИИ предоставляет прогнозы и рекомендации, но окончательное решение об уровнях производства или размещении заказов обычно принимают люди.

• Оценка рисков: глобальная цепочка поставок сталкивается с перебоями (стихийные бедствия, задержки в портах, политические проблемы). Системы искусственного интеллекта теперь анализируют новости и данные, чтобы выявлять потенциальные риски. Например, одна логистическая компания использует генеративный ИИ для сканирования интернета и обозначения рискованных транспортных коридоров (районов, которые могут столкнуться с проблемами, например, из-за приближающегося урагана или беспорядков) ( Лучшие примеры использования генеративного ИИ в логистике ). На основе этой информации планировщики могут автоматически перенаправлять грузы в обход проблемных участков. В некоторых случаях ИИ может автоматически рекомендовать изменение маршрута или вида транспорта, которое затем утверждается людьми.

• Автоматизация складов: Многие склады частично автоматизированы с использованием роботов для комплектации и упаковки заказов. Генеративный ИИ может динамически распределять задачи между роботами и людьми для оптимизации рабочего процесса. Например, ИИ может каждое утро генерировать очередь заданий для роботов-комплектовщиков на основе заказов. Зачастую это полностью автономно, и менеджеры просто отслеживают ключевые показатели эффективности — если количество заказов неожиданно резко возрастает, ИИ самостоятельно корректирует операции.

• Управление автопарком: Искусственный интеллект помогает планировать техническое обслуживание транспортных средств, анализируя закономерности и генерируя оптимальные графики обслуживания, которые минимизируют время простоя. Он также может группировать грузы для сокращения количества рейсов. Эти решения могут приниматься программным обеспечением на основе ИИ автоматически, если они соответствуют требованиям сервиса.

В целом, к 2025 году люди ставят цели (например, «минимизировать затраты, но обеспечить доставку за 2 дня»), а ИИ генерирует решения или графики для их достижения. Системы могут работать изо дня в день без вмешательства, пока не произойдет что-то необычное. Большая часть логистики включает в себя повторяющиеся решения (когда следует отправить груз? с какого склада выполнить этот заказ?), которые ИИ может научиться принимать последовательно. Компании постепенно доверяют ИИ обработку этих микрорешений и оповещают менеджеров только при возникновении исключений.

Прогноз на 2030-2035 годы: Самоуправляемые цепочки поставок

В ближай десятилетие мы можем ожидать гораздо более автономной координации в логистике, основанной на искусственном интеллекте:

• Автономные транспортные средства и дроны: Беспилотные грузовики и дроны-доставщики, хотя и являются более широкой темой в области ИИ/робототехники, напрямую влияют на логистику. К 2030 году, если будут преодолены нормативные и технические проблемы, мы можем увидеть, как ИИ будет регулярно управлять грузовиками на автомагистралях или дронами осуществлять доставку «последней мили» в городах. Эти ИИ будут принимать решения в режиме реального времени (изменение маршрута, избегание препятствий) без участия водителей-людей. Генеративный аспект заключается в том, как эти ИИ для транспортных средств обучаются на основе огромных массивов данных и моделирования, фактически «тренируясь» на бесчисленных сценариях. Полностью автономный парк может работать круглосуточно, а люди будут лишь удаленно контролировать ситуацию. Это значительно снижает роль человеческого фактора (водителей) в логистических операциях, существенно повышая автономность.

• Самовосстанавливающиеся цепочки поставок: генеративный ИИ, вероятно, будет постоянно использоваться для моделирования сценариев цепочки поставок и подготовки планов действий в чрезвычайных ситуациях. К 2035 году ИИ сможет автоматически обнаруживать остановки производства у поставщика (через новостные или информационные потоки) и немедленно переключать поставки на альтернативных поставщиков, которых он уже проверил в ходе моделирования. Это означает, что цепочка поставок «восстанавливается» после сбоев, при этом инициативу берет на себя ИИ. Руководители-люди будут проинформированы о действиях ИИ, а не те, кто инициирует обходные пути.

• Комплексная оптимизация запасов: ИИ мог бы автономно управлять запасами по всей сети складов и магазинов. Он бы решал, когда и куда перемещать товары (возможно, используя для этого роботов или автоматизированные транспортные средства), поддерживая в каждом месте достаточный запас. По сути, ИИ управляет диспетчерской вышкой цепочки поставок: отслеживает все потоки и вносит корректировки в режиме реального времени. К 2035 году идея «самоуправляемой» цепочки поставок может означать, что система будет ежедневно определять оптимальный план распределения, заказывать продукцию, планировать работу заводов и организовывать транспортировку самостоятельно. Люди будут контролировать общую стратегию и обрабатывать исключения, выходящие за рамки нынешнего понимания ИИ.

• Генеративный дизайн в логистике: мы можем увидеть, как ИИ проектирует новые сети поставок. Предположим, компания расширяется в новый регион; ИИ мог бы, основываясь на данных, сгенерировать оптимальные места для складов, транспортные связи и политику управления запасами для этого региона — то, что сегодня делают консультанты и аналитики. К 2030 году компании могут полагаться на рекомендации ИИ при выборе решений в области проектирования цепочек поставок, доверяя ему более быструю оценку факторов и, возможно, поиск креативных решений (например, неочевидных распределительных центров), которые люди упускают из виду.

• Интеграция с производством (Индустрия 4.0): Логистика не существует сама по себе; она тесно связана с производством. Заводы будущего могут использовать генеративный ИИ для планирования производственных циклов, заказа сырья точно в срок и последующего управления логистической сетью для немедленной отгрузки продукции. Интегрированный ИИ может означать в целом меньшее количество ручного планирования – бесперебойную цепочку от производства до доставки, управляемую алгоритмами, оптимизирующими затраты, скорость и экологичность. Уже к 2025 году высокоэффективные цепочки поставок будут основаны на данных; к 2035 году они могут в значительной степени управляться ИИ.

• Динамическое обслуживание клиентов в логистике: опираясь на искусственный интеллект для обслуживания клиентов, ИИ в цепочках поставок могут напрямую взаимодействовать с клиентами. Например, если крупный клиент хочет в последний момент изменить свой оптовый заказ, агент ИИ может согласовать приемлемые альтернативы (например, «Мы можем доставить половину сейчас, половину на следующей неделе из-за ограничений»), не дожидаясь ответа от менеджера. Это предполагает понимание генеративным ИИ обеих сторон (потребности клиента против операционных возможностей) и принятие решений, которые обеспечивают бесперебойную работу и удовлетворяют потребности клиентов.

Ожидаемая выгода — более эффективная, устойчивая и оперативная логистическая система. Компании прогнозируют огромную экономию — по оценкам McKinsey, оптимизация цепочки поставок с помощью ИИ может значительно сократить расходы и повысить уровень обслуживания, потенциально добавив триллионы долларов к стоимости продукции в различных отраслях ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ).

Однако передача большего контроля искусственному интеллекту также сопряжена с рисками, такими как каскадные ошибки, если логика ИИ ошибочна (например, печально известный сценарий, когда ИИ в цепочке поставок непреднамеренно приводит к дефициту товаров в компании из-за ошибки моделирования). Меры предосторожности, такие как «участие человека в принятии важных решений» или, по крайней мере, панели мониторинга, позволяющие быстро вносить изменения человеком, скорее всего, сохранятся до 2035 года. Со временем, по мере того как решения ИИ будут доказывать свою эффективность, люди будут чувствовать себя более комфортно, отстраняясь от процесса.

Интересно, что, оптимизируя процессы для повышения эффективности, ИИ иногда может принимать решения, противоречащие человеческим предпочтениям или традиционным практикам. Например, чистая оптимизация может привести к очень низким запасам, что эффективно, но может показаться рискованным. Специалистам по управлению цепочками поставок в 2030 году, возможно, придется скорректировать свои представления, поскольку ИИ, обрабатывая огромные массивы данных, может продемонстрировать, что его необычная стратегия на самом деле работает лучше.

Наконец, необходимо учитывать, что физические ограничения (инфраструктура, скорость физических процессов) сдерживают темпы изменений в логистике, поэтому революция здесь заключается в более разумном планировании и использовании ресурсов, а не в создании совершенно новой физической реальности. Но даже в этих рамках креативные решения генеративного ИИ и неустанная оптимизация могут значительно улучшить перемещение товаров по всему миру с минимальным ручным планированием.

Вкратце, к 2035 году логистика может функционировать подобно хорошо отлаженному автоматизированному механизму: товары будут перемещаться эффективно, маршруты будут корректироваться в режиме реального времени в зависимости от сбоев, склады будут управляться самостоятельно с помощью роботов, а вся система будет постоянно обучаться и совершенствоваться на основе данных — и все это будет координироваться генеративным искусственным интеллектом, который будет выступать в роли «мозга» всей системы.

Генеративный ИИ в финансах и бизнесе

Финансовая индустрия в значительной степени работает с информацией — отчетами, анализом, общением с клиентами — что делает ее благодатной почвой для генеративного искусственного интеллекта. От банковского дела до управления инвестициями и страхования, организации изучают возможности ИИ для автоматизации и генерации аналитических данных. Вопрос в том, какие финансовые задачи ИИ может надежно выполнять без участия человека, учитывая важность точности и доверия в этой области?

Текущие возможности (2025): Автоматизированные отчеты и поддержка принятия решений

На сегодняшний день генеративный искусственный интеллект вносит вклад в финансовую сферу различными способами, зачастую под контролем человека:

• Генерация отчетов: Банки и финансовые компании выпускают множество отчетов — сводки о доходах, комментарии к рынку, анализ портфеля и т. д. Искусственный интеллект уже используется для их составления. Например, Bloomberg разработал BloombergGPT , большую языковую модель, обученную на финансовых данных, для помощи в таких задачах, как классификация новостей и ответы на вопросы для пользователей своих терминалов ( Генеративный ИИ приходит в финансовую сферу ). Хотя его основное применение — помощь людям в поиске информации, это демонстрирует растущую роль ИИ. Компания Automated Insights (с которой сотрудничало агентство AP) также генерировала финансовые статьи. Многие инвестиционные информационные бюллетени используют ИИ для обзора ежедневных рыночных движений или экономических показателей. Как правило, эти материалы проверяются людьми перед отправкой клиентам, но это быстрая редактура, а не написание с нуля.

• Взаимодействие с клиентами: В розничном банковском секторе чат-боты на основе ИИ обрабатывают запросы клиентов о балансе счетов, транзакциях или информации о продуктах (интегрируясь в сферу обслуживания клиентов). Кроме того, ИИ может генерировать персонализированные письма с финансовыми рекомендациями или напоминаниями. Например, ИИ может определить, что клиент может сэкономить на комиссиях, и автоматически составить сообщение с предложением перейти на другой тип счета, которое затем отправляется с минимальным участием человека. Такой вид персонализированного общения в больших масштабах — это один из современных способов применения ИИ в финансовой сфере.

• Выявление мошенничества и оповещения: Генеративный ИИ может помочь в создании описаний или объяснений аномалий, обнаруженных системами обнаружения мошенничества. Например, если обнаруживается подозрительная активность, ИИ может сгенерировать пояснительное сообщение для клиента («Мы заметили вход в систему с нового устройства…») или отчет для аналитиков. Обнаружение автоматизировано (с использованием обнаружения аномалий с помощью ИИ/машинного обучения), и коммуникация все больше автоматизируется, хотя окончательные действия (блокировка учетной записи) часто проверяются человеком.

• Финансовое консультирование (ограниченное): Некоторые робо-консультанты (автоматизированные инвестиционные платформы) используют алгоритмы (не обязательно генеративный ИИ) для управления портфелями без участия человека-консультанта. Генеративный ИИ проникает в эту сферу, например, генерируя комментарии о причинах совершения тех или иных сделок или сводку результатов работы портфеля, адаптированную под клиента. Однако чисто финансовое консультирование (например, комплексное финансовое планирование) по-прежнему в основном основано на человеческом факторе или алгоритмах, строящихся на правилах; генеративные советы в свободной форме без контроля рискованны из-за ответственности в случае ошибки.

• Оценка рисков и андеррайтинг: Страховые компании тестируют ИИ для автоматического составления отчетов об оценке рисков или даже проектов страховых полисов. Например, имея данные об объекте недвижимости, ИИ может сгенерировать проект страхового полиса или отчет андеррайтера, описывающий факторы риска. В настоящее время эти результаты проверяются людьми, поскольку любая ошибка в договоре может дорого обойтись.

• Анализ данных и выводы: Искусственный интеллект может анализировать финансовые отчеты или новости и генерировать сводки. Аналитики используют инструменты, которые могут мгновенно свести 100-страничный годовой отчет к ключевым моментам или извлечь основные выводы из стенограммы телефонной конференции по итогам отчетности. Эти сводки экономят время и могут быть использованы непосредственно при принятии решений или переданы третьим лицам, но осмотрительные аналитики тщательно проверяют важные детали.

По сути, современный ИИ в финансовой сфере выступает в роли неутомимого аналитика/писателя , генерируя контент, который затем обрабатывается людьми. Полностью автономное использование в основном сосредоточено в четко определенных областях, таких как новостные материалы, основанные на данных (без необходимости субъективной оценки), или ответы на запросы клиентов. Прямое доверие ИИ к решениям, касающимся денег (например, перемещение средств, совершение сделок вне рамок заранее заданных алгоритмов), встречается редко из-за высоких ставок и пристального внимания регулирующих органов.

Прогноз на 2030-2035 годы: аналитики в области искусственного интеллекта и автономные финансовые операции

В перспективе, к 2035 году генеративный искусственный интеллект может быть глубоко интегрирован в финансовые операции, потенциально выполняя многие задачи автономно:

• Финансовые аналитики на основе ИИ: Мы можем увидеть системы ИИ, способные анализировать компании и рынки и выдавать рекомендации или отчеты на уровне аналитика фондового рынка. К 2030 году ИИ потенциально сможет самостоятельно читать всю финансовую отчетность компании, сравнивать ее с отраслевыми данными и составлять инвестиционные рекомендации («Покупка/Продажа» с обоснованием). Некоторые хедж-фонды уже используют ИИ для генерации торговых сигналов; к 2030-м годам исследовательские отчеты, созданные ИИ, могут стать обычным явлением. Управляющие портфелями могут начать доверять анализу, сгенерированному ИИ, как одному из входных параметров. Существует даже потенциал для автономного управления портфелями с помощью ИИ: непрерывного мониторинга и ребалансировки инвестиций в соответствии с заранее определенной стратегией. Фактически, алгоритмическая торговля уже в значительной степени автоматизирована — генеративный ИИ может сделать стратегии более адаптивными, самостоятельно генерируя и тестируя новые торговые модели.

• Автоматизированное финансовое планирование: ИИ-консультанты, работающие непосредственно с потребителями, могли бы заниматься рутинным финансовым планированием для частных лиц. К 2030 году вы могли бы сообщить ИИ свои цели (покупка дома, накопление средств на обучение в колледже), и он мог бы сгенерировать полный финансовый план (бюджет, распределение инвестиций, рекомендации по страхованию), адаптированный под ваши потребности. Первоначально его мог бы проверить финансовый консультант-человек, но по мере роста доверия такие советы могли бы предоставляться непосредственно потребителям с соответствующими оговорками. Ключевым моментом будет обеспечение соответствия советов ИИ нормативным требованиям и их соответствия интересам клиента. Если эта проблема будет решена, ИИ может сделать базовые финансовые консультации гораздо более доступными и недорогими.

• Автоматизация бэк-офиса: Генеративный ИИ может автономно обрабатывать многие документы бэк-офиса — заявки на кредиты, отчеты о соответствии требованиям, сводки аудита. Например, ИИ мог бы принимать все данные о транзакциях и генерировать отчет об аудите, отмечая любые проблемы. В 2035 году аудиторы могли бы тратить больше времени на проверку выявленных ИИ нарушений, чем на самостоятельную проверку всего. Аналогично, для обеспечения соответствия требованиям ИИ мог бы генерировать отчеты о подозрительной деятельности (SAR) для регулирующих органов без необходимости написания их аналитиком с нуля. Автономная генерация этих рутинных документов, при этом человеческий контроль будет переходить к обработке исключений, может стать стандартом.

• Страховые выплаты и андеррайтинг: Искусственный интеллект мог бы обрабатывать страховые претензии (с фотодоказательствами и т. д.), определять страховое покрытие и автоматически генерировать письмо с решением о выплате. Мы можем достичь точки, когда простые претензии (например, по ДТП с четкими данными) будут полностью урегулироваться ИИ в течение нескольких минут после подачи. Андеррайтинг новых полисов может быть аналогичным: ИИ оценивает риск и генерирует условия полиса. К 2035 году, возможно, только сложные или пограничные случаи будут передаваться на рассмотрение специалистам-андеррайтерам.

• Мошенничество и безопасность: Искусственный интеллект, вероятно, будет играть еще более важную роль в выявлении мошенничества и киберугроз в финансовой сфере и реагировании на них. Автономные агенты ИИ могут отслеживать транзакции в режиме реального времени и немедленно предпринимать действия (блокировать счета, замораживать транзакции) при соблюдении определенных критериев, а затем обосновывать свои действия. Скорость здесь имеет решающее значение, поэтому желательно минимальное участие человека. Генеративная составляющая может заключаться в четком донесении этих действий до клиентов или регулирующих органов.

• Поддержка руководителей: Представьте себе «руководителя аппарата» на основе ИИ, способного оперативно создавать бизнес-отчеты для руководителей. Спросите: «Как показала себя наша европейская часть в этом квартале и каковы были основные факторы по сравнению с прошлым годом?», и ИИ подготовит краткий отчет с диаграммами, все данные будут точными и основанными на фактах. Такой тип динамичной, автономной отчетности и анализа может стать таким же простым, как обычный разговор. К 2030 году обращение к ИИ за бизнес-информацией и доверие к его правильным ответам может в значительной степени заменить статические отчеты и, возможно, даже некоторые аналитические должности.

Один интересный прогноз: к 2030-м годам большая часть финансового контента (новости, отчеты и т. д.) может быть создана с помощью ИИ . Уже сейчас такие издания, как Dow Jones и Reuters, используют автоматизацию для обработки некоторых новостных материалов. Если эта тенденция сохранится, и учитывая взрывной рост финансовых данных, ИИ может взять на себя фильтрацию и передачу большей части этой информации.

Однако доверие и проверка будут иметь первостепенное значение. Финансовая индустрия жестко регулируется, и любой ИИ, работающий автономно, должен будет соответствовать строгим стандартам:

• Исключение галлюцинаций (нельзя допустить, чтобы аналитик на основе ИИ придумал финансовый показатель, который не является реальным – это может ввести рынки в заблуждение).

• Избегать предвзятости или незаконных действий (например, непреднамеренной дискриминации при принятии решений о кредитовании из-за предвзятых обучающих данных).

• Проверяемость: регулирующие органы, вероятно, потребуют, чтобы решения ИИ были объяснимы. Если ИИ отклоняет кредит или принимает торговое решение, должно быть обоснование, которое можно проверить. Генеративные модели могут быть своего рода «черным ящиком», поэтому следует ожидать разработки объяснимых методов ИИ , чтобы сделать их решения прозрачными.

В ближайшие 10 лет, вероятно, потребуется тесное сотрудничество между ИИ и финансовыми специалистами, постепенно смещающее грань автономии по мере роста доверия. Первые успехи будут достигнуты в автоматизации с низким уровнем риска (например, в создании отчетов). Более сложными будут ключевые решения, такие как кредитные решения или выбор инвестиций, но даже здесь, по мере накопления опыта ИИ, компании могут предоставлять ему большую автономию. Например, возможно, фонд, управляемый ИИ, будет находиться под наблюдением человека, который вмешивается только в случае отклонения от нормы или если ИИ указывает на неопределенность.

С экономической точки зрения, по оценкам McKinsey, ИИ (особенно генеративный ИИ) может ежегодно приносить банковскому сектору дополнительную прибыль в размере 200-340 миллиардов долларов, а также оказывать аналогичное значительное влияние на страхование и рынки капитала ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ) ( Каково будущее генеративного ИИ? | McKinsey ). Это произойдет за счет повышения эффективности и улучшения результатов принятия решений. Для получения этой выгоды значительная часть рутинного финансового анализа и коммуникации, вероятно, будет передана системам ИИ.

Вкратце, к 2035 году генеративный ИИ может стать похожим на армию младших аналитиков, консультантов и клерков, работающих в финансовом секторе и выполняющих большую часть рутинной работы и сложный анализ автономно. Люди по-прежнему будут ставить цели и заниматься стратегическим планированием высокого уровня, отношениями с клиентами и надзором. Финансовый мир, проявляя осторожность, будет постепенно расширять автономию, но направление ясно: все большая часть обработки информации и даже рекомендаций по принятию решений будет исходить от ИИ. В идеале это приведет к более быстрому обслуживанию (мгновенные кредиты, круглосуточные консультации), снижению затрат и потенциально большей объективности (решения, основанные на закономерностях данных). Но поддержание доверия будет иметь решающее значение; одна громкая ошибка ИИ в финансах может нанести огромный ущерб (представьте себе обвал рынка, вызванный ИИ, или необоснованный отказ в выплате пособий тысячам людей). Следовательно, защитные механизмы и человеческий контроль, вероятно, сохранятся, особенно в отношении действий, ориентированных на потребителя, даже несмотря на то, что процессы бэк-офиса станут в значительной степени автономными.

Проблемы и этические соображения

Во всех этих областях, по мере того как генеративный ИИ берет на себя все больше автономных обязанностей, возникает ряд общих проблем и этических вопросов. Обеспечение того, чтобы ИИ был надежным и полезным автономным агентом, — это не только техническая, но и общественная задача. Здесь мы изложим ключевые проблемы и то, как они решаются (или должны быть решены):

Надежность и точность

Проблема галлюцинаций: модели генеративного ИИ могут выдавать неверные или полностью сфабрикованные результаты, которые выглядят убедительно. Это особенно опасно, когда нет человека, способного выявить ошибки. Чат-бот может дать клиенту неверные инструкции, а отчет, составленный ИИ, может содержать вымышленную статистику. По состоянию на 2025 год неточность признана организациями главным риском генеративного ИИ ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ) ( Состояние ИИ: глобальный опрос | McKinsey ). В дальнейшем для минимизации галлюцинаций используются такие методы, как проверка фактов по базам данных, улучшение архитектуры моделей и обучение с подкреплением и обратной связью. Автономным системам ИИ, вероятно, потребуется тщательное тестирование и, возможно, формальная верификация для критически важных задач (например, генерация кода, которая может привести к ошибкам/уязвимостям в системе безопасности в случае ошибки).

Стабильность: Системы ИИ должны демонстрировать надежную работу с течением времени и в различных сценариях. Например, ИИ может хорошо справляться со стандартными задачами, но спотыкаться в крайних случаях. Обеспечение стабильной работы потребует обширных обучающих данных, охватывающих разнообразные ситуации, и непрерывного мониторинга. Многие организации планируют использовать гибридные подходы – ИИ работает, но случайные выборки проверяются людьми – для оценки текущих показателей точности.

Системы защиты от сбоев: Когда ИИ работает автономно, крайне важно, чтобы он распознавал собственную неопределенность. Система должна быть спроектирована таким образом, чтобы «знать, когда она чего-то не знает». Например, если врач-ИИ не уверен в диагнозе, он должен пометить его для проверки человеком, а не давать случайное предположение. Встраивание оценки неопределенности в выходные данные ИИ (и наличие пороговых значений для автоматической передачи вопроса человеку) является активной областью разработки.

Предвзятость и справедливость

Генеративный ИИ обучается на основе исторических данных, которые могут содержать предвзятость (расовую, гендерную и т. д.). Автономный ИИ может увековечивать или даже усиливать эту предвзятость:

• При приеме на работу или вуз искусственный интеллект может несправедливо дискриминировать, если его обучающие данные содержат предвзятые утверждения.

• В сфере обслуживания клиентов искусственный интеллект может по-разному реагировать на пользователей в зависимости от диалекта или других факторов, если это не будет тщательно проверено.

• В творческих областях ИИ может недостаточно полно представлять определенные культуры или стили, если обучающий набор данных будет несбалансированным.

Для решения этой проблемы необходимы тщательная обработка наборов данных, тестирование на предвзятость и, возможно, корректировка алгоритмов для обеспечения справедливости. Прозрачность имеет ключевое значение: компаниям потребуется раскрывать критерии принятия решений в области ИИ, особенно если автономный ИИ влияет на возможности или права человека (например, при получении кредита или работы). Регуляторы уже уделяют этому внимание; например, закон ЕС об ИИ (разрабатываемый к середине 2020-х годов), вероятно, потребует проведения оценки предвзятости для систем ИИ высокого риска.

Ответственность и юридические обязательства

Когда система искусственного интеллекта, работающая автономно, причиняет вред или совершает ошибку, кто несет ответственность? Правовая база постепенно адаптируется:

• Компании, внедряющие ИИ, скорее всего, будут нести ответственность, подобную ответственности за действия своих сотрудников. Например, если ИИ даст неверный финансовый совет, повлекший за собой убытки, фирме, возможно, придется компенсировать клиенту ущерб.

• Ведутся споры о «правосубъектности» ИИ или о том, может ли развитый ИИ нести частичную ответственность, но сейчас это скорее теоретический вопрос. На практике вина будет возложена на разработчиков или операторов.

• В случае сбоев в работе ИИ могут появиться новые страховые продукты. Если беспилотный грузовик станет причиной аварии, страховка производителя может покрыть ущерб, аналогично ответственности за качество продукции.

• Документирование и регистрация решений ИИ будут важны для анализа причин сбоев. Если что-то пойдет не так, нам необходимо проверить цепочку решений ИИ, чтобы извлечь из этого уроки и определить ответственных лиц. Регуляторы могут ввести обязательное ведение журналов для действий автономного ИИ именно по этой причине.

Прозрачность и объяснимость

В идеале автономный ИИ должен уметь объяснять свои рассуждения в понятных человеку терминах, особенно в важных областях (финансы, здравоохранение, система правосудия). Объясняемый ИИ — это область, стремящаяся открыть «черный ящик»:

• В случае отказа в выдаче кредита искусственным интеллектом, правила (например, в США, ECOA) могут потребовать предоставления заявителю объяснения причины. Таким образом, ИИ должен выдать в качестве объяснения факторы (например, «высокое соотношение долга к доходу»).

• Пользователи, взаимодействующие с ИИ (например, студенты с ИИ-репетитором или пациенты с медицинским приложением на основе ИИ), заслуживают того, чтобы знать, как он приходит к своим рекомендациям. Предпринимаются усилия по повышению отслеживаемости рассуждений ИИ либо путем упрощения моделей, либо путем создания параллельных объяснительных моделей.

• Прозрачность также означает, что пользователи должны понимать, когда они имеют дело с искусственным интеллектом, а когда — с человеком. Этические нормы (и, вероятно, некоторые законы) склоняются к требованию раскрывать информацию о том, общается ли клиент с ботом. Это предотвращает обман и позволяет пользователю дать согласие. Некоторые компании теперь явно помечают контент, написанный ИИ (например, «Эта статья была сгенерирована ИИ»), чтобы поддерживать доверие.

Конфиденциальность и защита данных

Генеративный ИИ часто нуждается в данных, включая потенциально конфиденциальные персональные данные, для функционирования или обучения. Автономные системы должны соблюдать конфиденциальность:

• Искусственный интеллект, используемый в качестве агента службы поддержки клиентов, будет получать доступ к информации об учетной записи, чтобы помочь клиенту; эти данные должны быть защищены и использоваться только для выполнения поставленной задачи.

• Если у ИИ-репетиторов есть доступ к профилям учеников, то в соответствии с такими законами, как FERPA (в США), необходимо учитывать требования для обеспечения конфиденциальности образовательных данных.

• Крупные модели могут непреднамеренно запоминать конкретные данные из обучающей выборки (например, воспроизводить адрес человека, увиденный во время обучения). Такие методы, как дифференциальная конфиденциальность и анонимизация данных в процессе обучения, важны для предотвращения утечки личной информации в сгенерированных результатах.

• Такие правила, как GDPR, предоставляют людям права в отношении автоматизированных решений, затрагивающих их интересы. Люди могут запросить проверку человеком или отказ от полной автоматизации решений, если они оказывают на них существенное влияние. К 2030 году эти правила могут измениться по мере распространения ИИ, возможно, введя права на разъяснение или отказ от обработки данных ИИ.

Безопасность и злоупотребления

Автономные системы искусственного интеллекта могут стать мишенью для взлома или могут быть использованы для совершения вредоносных действий:

• Генератор контента на основе ИИ может быть использован не по назначению для создания дезинформации в больших масштабах (видео с дипфейками, фейковые новостные статьи), что представляет собой социальный риск. Вопрос этичности выпуска очень мощных генеративных моделей вызывает ожесточенные дебаты (например, OpenAI изначально с осторожностью относилась к возможностям обработки изображений GPT-4). Решения включают в себя нанесение водяных знаков на контент, созданный ИИ, для обнаружения подделок, а также использование ИИ для борьбы с ИИ (например, алгоритмы обнаружения дипфейков).

• Если искусственный интеллект управляет физическими процессами (дроны, автомобили, системы промышленного управления), защита от кибератак имеет решающее значение. Взлом автономной системы может нанести реальный вред. Это означает наличие надежного шифрования, механизмов защиты от сбоев и возможности вмешательства человека или отключения системы в случае обнаружения уязвимости.

• Существует также опасение, что ИИ выйдет за рамки заданных возможностей (сценарий «несанкционированного ИИ»). Хотя нынешние системы ИИ не обладают субъектностью или намерениями, если будущие автономные системы будут более субъектными, потребуются строгие ограничения и мониторинг, чтобы гарантировать, что они, например, не будут совершать несанкционированные сделки или нарушать законы из-за неправильно сформулированной цели.

Этическое использование и влияние на человека

Наконец, более широкие этические соображения:

• Вытеснение рабочих мест: Если ИИ сможет выполнять задачи без участия человека, что произойдет с этими рабочими местами? Исторически сложилось так, что технологии автоматизируют одни рабочие места, но создают другие. Переход может быть болезненным для работников, чьи навыки связаны с задачами, которые становятся автоматизированными. Обществу придется справляться с этим посредством переквалификации, образования и, возможно, переосмысления экономической поддержки (некоторые предполагают, что ИИ может потребовать таких идей, как универсальный базовый доход, если большая часть работы будет автоматизирована). Уже сейчас опросы показывают неоднозначные мнения – одно исследование показало, что треть работников обеспокоены заменой рабочих мест ИИ, в то время как другие видят в нем облегчение рутинной работы.

• Утрата человеческих навыков: если ИИ-репетиторы будут обучать, ИИ-автопилоты будут водить машину, а ИИ будет писать код, потеряют ли люди эти навыки? В худшем случае чрезмерная зависимость от ИИ может привести к утрате экспертных знаний; это то, к чему должны быть готовы образовательные и учебные программы, чтобы люди продолжали осваивать основы, даже если ИИ им помогает.

• Принятие этических решений: ИИ не обладает человеческим моральным суждением. В здравоохранении или юриспруденции решения, основанные исключительно на данных, могут противоречить состраданию или справедливости в отдельных случаях. Возможно, нам потребуется внедрить этические принципы в ИИ (область исследований этики ИИ, например, согласование решений ИИ с человеческими ценностями). По крайней мере, целесообразно привлекать людей к принятию решений, имеющих этическую подоплеку.

• Инклюзивность: Обеспечение широкого распространения преимуществ ИИ — это этическая цель. Если только крупные компании могут позволить себе передовые решения в области ИИ, малые предприятия или беднейшие регионы могут остаться позади. Инициативы с открытым исходным кодом и доступные решения на основе ИИ могут способствовать демократизации доступа. Кроме того, интерфейсы должны быть разработаны таким образом, чтобы любой мог использовать инструменты ИИ (разные языки, доступность для людей с ограниченными возможностями и т. д.), иначе мы создадим новый цифровой разрыв «у кого есть ИИ-помощник, а у кого нет».

Текущие меры по снижению рисков: С позитивной стороны, по мере внедрения компаниями генеративного ИИ растет осведомленность и активность в решении этих проблем. К концу 2023 года почти половина компаний, использующих ИИ, активно работали над снижением таких рисков, как неточность ( Состояние ИИ в 2023 году: год прорыва генеративного ИИ | McKinsey ) ( Состояние ИИ: глобальное исследование | McKinsey ), и это число растет. Технологические компании создали советы по этике ИИ; правительства разрабатывают нормативные акты. Ключевым моментом является заложение этических принципов в разработку ИИ с самого начала («Этика по замыслу»), а не реагирование на них позже.

В заключение о проблемах: предоставление ИИ большей автономии — это палка о двух концах. Это может привести к повышению эффективности и инновациям, но требует высокой степени ответственности. В ближайшие годы, вероятно, будет наблюдаться сочетание технологических решений (для улучшения поведения ИИ), процессных решений (политические и надзорные рамки) и, возможно, новых стандартов или сертификаций (системы ИИ могут проходить аудит и сертификацию, как сегодня двигатели или электроника). Успешное преодоление этих проблем определит, насколько плавно мы сможем интегрировать автономный ИИ в общество таким образом, чтобы это способствовало повышению благополучия и доверия людей.

Заключение

Генеративный искусственный интеллект стремительно эволюционировал от новаторского эксперимента до преобразующей универсальной технологии, затрагивающей все сферы нашей жизни. В этом документе рассматривается, как к 2025 году системы ИИ уже будут писать статьи, создавать графику, программировать программное обеспечение, общаться с клиентами, обобщать медицинские записи, обучать студентов, оптимизировать цепочки поставок и составлять финансовые отчеты. Важно отметить, что во многих из этих задач ИИ может работать практически без участия человека , особенно для четко определенных, повторяющихся задач. Компании и частные лица начинают доверять ИИ выполнение этих задач автономно, получая выгоды в скорости и масштабе.

Заглядывая в 2035 год, мы стоим на пороге эры, когда ИИ станет еще более повсеместным помощником – зачастую невидимой цифровой рабочей силой , которая будет выполнять рутинные задачи, позволяя людям сосредоточиться на исключительных вещах. Мы ожидаем, что генеративный ИИ будет надежно управлять автомобилями и грузовиками на наших дорогах, управлять запасами на складах в ночное время, отвечать на наши вопросы в качестве знающих персональных помощников, предоставлять индивидуальное обучение студентам по всему миру и даже помогать открывать новые лекарства в медицине – и все это с все меньшим прямым контролем. Граница между инструментом и агентом будет размываться по мере того, как ИИ перейдет от пассивного следования инструкциям к проактивному генерированию решений.

Однако путь к этому автономному будущему с использованием искусственного интеллекта должен быть пройден с осторожностью. Как мы уже отмечали, каждая область имеет свои ограничения и обязанности:

• Сегодняшняя проверка реальности: ИИ не непогрешим. Он превосходно справляется с распознаванием образов и генерацией контента, но ему не хватает истинного понимания и здравого смысла в человеческом понимании. Таким образом, на данный момент человеческий контроль остается страховочной сеткой. Крайне важно понимать, где ИИ готов к самостоятельной работе (а где нет). Многие сегодняшние успехи достигаются благодаря командной работы человека и ИИ , и этот гибридный подход будет по-прежнему ценен там, где полная автономия еще нецелесообразна.

• Перспективы завтрашнего дня: Благодаря развитию архитектуры моделей, методов обучения и механизмов контроля возможности ИИ будут продолжать расширяться. Исследования и разработки следующего десятилетия могут решить многие существующие проблемы (снижение количества галлюцинаций, улучшение интерпретируемости, согласование ИИ с человеческими ценностями). Если это произойдет, то к 2035 году системы ИИ могут стать достаточно надежными, чтобы им можно было доверить гораздо большую автономию. Прогнозы, представленные в этой статье — от ИИ-учителей до практически полностью самоуправляемых предприятий — вполне могут стать нашей реальностью или даже превзойтися инновациями, которые сегодня трудно себе представить.

• Роль человека и адаптация: Вместо того чтобы ИИ полностью заменил людей, мы предполагаем эволюцию ролей. Специалистам во всех областях, вероятно, потребуется освоить работу с ИИ — направлять его, проверять и сосредотачиваться на тех аспектах работы, которые требуют сугубо человеческих качеств, таких как эмпатия, стратегическое мышление и решение сложных проблем. Образование и подготовка кадров должны сместить акцент на эти уникальные человеческие навыки, а также на повышение уровня знаний об ИИ у всех. Политикам и руководителям предприятий следует планировать изменения на рынке труда и обеспечивать системы поддержки для тех, кто пострадает от автоматизации.

• Этика и управление: Возможно, наиболее важным является наличие системы этичного использования ИИ и управления им, которая должна лежать в основе этого технологического роста. Доверие — это валюта внедрения: люди позволят ИИ управлять автомобилем или участвовать в хирургических операциях только в том случае, если будут уверены в его безопасности. Формирование этого доверия включает в себя тщательное тестирование, прозрачность, взаимодействие с заинтересованными сторонами (например, привлечение врачей к разработке медицинских ИИ, преподавателей к использованию инструментов обучения ИИ) и соответствующее регулирование. Для решения таких проблем, как дипфейки или применение ИИ в военных действиях, может потребоваться международное сотрудничество, обеспечивающее глобальные нормы ответственного использования.

В заключение, генеративный ИИ является мощным двигателем прогресса. При разумном использовании он может избавить людей от рутинной работы, раскрыть творческий потенциал, персонализировать услуги и устранить пробелы (предоставляя экспертные знания там, где их не хватает). Ключевым моментом является его применение таким образом, чтобы усиливать человеческий потенциал, а не маргинализировать его . В краткосрочной перспективе это означает вовлечение людей в процесс управления ИИ. В долгосрочной перспективе это означает заложение гуманистических ценностей в основу систем ИИ, чтобы даже при независимом функционировании они действовали в наших коллективных интересах.

Домен	Надежная автономия сегодня (2025)	Ожидается, что надежная автономия будет достигнута к 2035 году
Написание текстов и создание контента	- Автоматическая генерация рутинных новостей (спорт, финансовые результаты). - Краткие обзоры товаров, составленные с помощью ИИ. - Черновики статей или электронных писем для редактирования человеком. ( Филане Паттерсон – Профиль сообщества ONA ) ( Amazon улучшает опыт отзывов клиентов с помощью ИИ )	- Большая часть новостного и маркетингового контента создается автоматически с обеспечением фактической точности. - Искусственный интеллект генерирует полные статьи и пресс-релизы с минимальным контролем. - Высоко персонализированный контент генерируется по запросу.
Изобразительное искусство и дизайн	- Искусственный интеллект генерирует изображения на основе подсказок (человек выбирает лучшее). - Концептуальные эскизы и варианты дизайна создаются автономно.	- Искусственный интеллект создает полноценные видео/киносцены и сложную графику. - Генеративный дизайн продуктов/архитектуры в соответствии со спецификациями. - Персонализированные медиафайлы (изображения, видео), создаваемые по запросу.
Программирование	- ИИ автоматически дополняет код и пишет простые функции (проверяемые разработчиком). - Автоматическая генерация тестов и подсказки по ошибкам. ( Coding on Copilot: 2023 Data Suggests Downward Pressure on Code Quality (incl 2024 forecasts) - GitClear ) ( GitHub Copilot Tops Research Report on AI Code Assistants -- Visual Studio Magazine )	- Искусственный интеллект надежно реализует целые функции на основе спецификаций. - Автономная отладка и сопровождение кода для известных шаблонов. - Создание приложений с минимальным использованием кода и минимальным участием человека.
Обслуживание клиентов	- Чат-боты отвечают на часто задаваемые вопросы, решают простые проблемы (передают сложные случаи). - Искусственный интеллект обрабатывает около 70% рутинных запросов по некоторым каналам. ( 59 статистических данных об использовании ИИ в сфере обслуживания клиентов на 2025 год ) ( К 2030 году 69% решений во время взаимодействия с клиентами будут приниматься... )	- Искусственный интеллект обрабатывает большинство взаимодействий с клиентами от начала до конца, включая сложные запросы. - Принятие решений в режиме реального времени с помощью ИИ для предоставления скидок на услуги (возврат средств, обновление). - Операторы-люди используются только для решения сложных вопросов или особых случаев.
Здравоохранение	- Искусственный интеллект составляет медицинские записи; предлагает диагнозы, которые врачи проверяют. - Искусственный интеллект анализирует некоторые снимки (рентгеновские) под контролем; проводит сортировку простых случаев. (Объем рынка медицинских продуктов для визуализации с использованием ИИ может увеличиться в пять раз к 2035 году )	- Искусственный интеллект надежно диагностирует распространенные заболевания и интерпретирует большинство медицинских изображений. - ИИ наблюдает за пациентами и инициирует лечение (например, напоминания о приеме лекарств, оповещения о чрезвычайных ситуациях). - Виртуальные «медсестры» на основе ИИ занимаются рутинным наблюдением; врачи сосредоточены на лечении сложных случаев.
Образование	- Искусственный интеллект отвечает на вопросы учеников и генерирует практические задания (учитель контролирует процесс обучения). - ИИ помогает в выставлении оценок (с проверкой учителем). ([Генеративный ИИ для образования K-12]	[Отчет об исследовании компании Applify]( https://www.applify.co/research-report/gen-ai-for-k12#:~:text=AI%20tutors%3A%20Virtual%20AI,individual%20learning%20styles%20and%20paces ))
Логистика	- ИИ оптимизирует маршруты доставки и упаковку (цели ставят люди). - ИИ выявляет риски в цепочке поставок и предлагает меры по их смягчению. ( Лучшие примеры использования генеративного ИИ в логистике )	- Доставка грузов (грузовиками, дронами) в основном осуществляется автономными водителями под управлением ИИ-контроллеров. - ИИ автоматически перенаправляет грузы в обход сбоев и корректирует запасы. - Комплексная координация цепочки поставок (заказ, распределение) осуществляется с помощью ИИ.
Финансы	- Искусственный интеллект генерирует финансовые отчеты/сводки новостей (прошедшие проверку человеком). - Роботы-консультанты управляют простыми портфелями; чат с ИИ обрабатывает запросы клиентов. ( Генеративный ИИ приходит в финансовую сферу )	- Аналитики на основе ИИ с высокой точностью формируют инвестиционные рекомендации и отчеты о рисках. - Автономная торговля и ребалансировка портфеля в пределах установленных лимитов. - ИИ автоматически одобряет стандартные кредиты/заявки; обработка исключений осуществляется людьми.

Ссылки:

1. Паттерсон, Филана. Автоматизированные отчеты о доходах множатся . Ассошиэйтед Пресс (2015) – описывает автоматизированное создание AP тысяч отчетов о доходах без участия человека-автора ( Автоматизированные отчеты о доходах множатся | Ассошиэйтед Пресс ).

2. McKinsey & Company. Состояние ИИ в начале 2024 года: резкое увеличение внедрения генеративного ИИ и начало его использования . (2024) – В отчете говорится, что 65% организаций регулярно используют генеративный ИИ, что почти вдвое больше, чем в 2023 году ( Состояние ИИ в начале 2024 года | McKinsey ), и обсуждаются меры по снижению рисков ( Состояние ИИ: глобальное исследование | McKinsey ).

3. Gartner. Beyond ChatGPT: The Future of Generative AI for Enterprises (2023) – прогнозирует, что к 2030 году 90% блокбастерного фильма может быть сгенерировано с помощью ИИ ( Примеры использования генеративного ИИ в промышленности и на предприятиях ), и освещает примеры использования генеративного ИИ, такие как разработка лекарств ( Примеры использования генеративного ИИ в промышленности и на предприятиях ).

4. Twipe. 12 способов использования инструментов ИИ журналистами в редакции . (2024) – Пример использования ИИ «Klara» в новостном издании, где 11% статей пишутся вручную, а весь контент, созданный ИИ, проверяется редакторами-людьми ( 12 способов использования инструментов ИИ журналистами в редакции - Twipe ).

5. Новости Amazon.com. Amazon улучшает опыт отзывов покупателей с помощью ИИ . (2023) – Объявляет о создании сводных отчетов об отзывах на страницах товаров с помощью ИИ, чтобы помочь покупателям ( Amazon улучшает опыт отзывов покупателей с помощью ИИ ).

6. Zendesk. 59 статистических данных по ИИ в сфере обслуживания клиентов за 2025 год . (2023) – Показывает, что более двух третей организаций, занимающихся клиентским опытом, считают, что генеративный ИИ добавит «теплоты» в обслуживание ( 59 статистических данных по ИИ в сфере обслуживания клиентов за 2025 год ) и прогнозирует внедрение ИИ в 100% взаимодействий с клиентами в будущем ( 59 статистических данных по ИИ в сфере обслуживания клиентов за 2025 год ).

7. Futurum Research & SAS. Опыт 2030: Будущее клиентского опыта . (2019) – Опрос показал, что бренды ожидают, что к 2030 году около 69% решений в процессе взаимодействия с клиентами будут приниматься интеллектуальными машинами ( Чтобы переосмыслить переход к клиентскому опыту, маркетологи должны сделать эти 2 вещи ).

8. Dataiku. Лучшие примеры использования генеративного ИИ в логистике . (2023) – описывает, как генеративный ИИ оптимизирует погрузку (сокращая примерно на 30% пустое пространство в грузовиках) ( Лучшие примеры использования генеративного ИИ в логистике ) и выявляет риски в цепочке поставок путем анализа новостей.

9. Журнал Visual Studio. GitHub Copilot возглавляет исследовательский отчет по помощникам в написании кода на основе ИИ . (2024) – Стратегические прогнозы Gartner: к 2028 году 90% корпоративных разработчиков будут использовать помощников в написании кода на основе ИИ (по сравнению с 14% в 2024 году) ( GitHub Copilot возглавляет исследовательский отчет по помощникам в написании кода на основе ИИ — журнал Visual Studio ).

10. Bloomberg News. Представляем BloombergGPT . (2023) – Подробности о модели Bloomberg с 50 миллиардами параметров, предназначенной для решения финансовых задач и встроенной в терминал для вопросов и ответов, а также для поддержки анализа ( Генеративный ИИ приходит в финансовую сферу ).

Статьи, которые могут вас заинтересовать после этой:

🔗 Профессии, которые ИИ не сможет заменить, и какие профессии ИИ заменит?
Глобальный взгляд на меняющийся ландшафт рынка труда, анализ того, какие профессии защищены от влияния ИИ, а какие находятся под наибольшей угрозой.

🔗 Может ли ИИ прогнозировать фондовый рынок?
Подробный анализ возможностей, ограничений и этических аспектов использования ИИ для прогнозирования фондового рынка.

🔗 Как можно использовать генеративный ИИ в кибербезопасности?
Узнайте, как генеративный ИИ применяется для защиты от киберугроз, от обнаружения аномалий до моделирования угроз.