ПО с ИИ и вопрос производительности на триллионы долларов
Если ИИ станет значительно лучше писать программное обеспечение, что должны изменить бизнес-лидеры уже сегодня? Мой ответ: измерять, как он улучшает полный бизнес-процесс, включая работу, необходимую для проверки и сопровождения его результатов.
Может ли ИИ добавить от 20 до 30 триллионов долларов США к ежегодному мировому экономическому производству? Илон Маск выдвинул эту приблизительную оценку вместе с прогнозами, что ИИ сможет справляться почти с любой цифровой задачей и достичь уровня программирования Stockfish. Эти утверждения привлекли внимание, поскольку указывают на серьёзный сдвиг в экономике умственного труда.
Это амбициозные прогнозы, а не установленные результаты. Бизнес-лидерам следует отличать возможность крупного роста производительности от доказательства того, что ИИ может надёжно выполнять каждую цифровую задачу. Инвестиционные решения нуждаются в свидетельствах из работы, которую организация реально выполняет.
Что говорит сравнение со Stockfish
Stockfish — шахматный движок с открытым исходным кодом и один из сильнейших в мире. Сравнение иллюстрирует реальную возможность: машины могут превосходить людей в сложной интеллектуальной задаче. Однако сама по себе аналогия не может установить, когда ИИ превзойдёт каждого инженера-программиста.
В шахматах есть фиксированные правила, видимая доска и ясная цель. Корпоративное ПО включает неполные требования, меняющиеся политики, унаследованные системы и конкурирующие приоритеты заинтересованных сторон. Программа может проходить свои тесты, решая неправильную бизнес-задачу.
Генерация кода — одна из частей инженерии. Решение о том, что строить, контроль доступа, проверка безопасности, безопасное развёртывание и поддержка пользователей остаются частью результата. Даже высокоспособному ИИ нужен процесс, способный обнаруживать ошибки и назначать ответственность.
Понимание экономического утверждения
Увеличение уровня ежегодного экономического производства на 20–30 процентов отличается от роста на 20–30 процентов каждый год. Утверждение такого масштаба требует явных допущений о внедрении, надёжности, инвестициях и времени, необходимом для реализации выгод. Соединение этих процентов с 20–30 триллионами долларов подразумевает примерную стартовую экономику в 100 триллионов долларов.
Для сравнения, Goldman Sachs опубликовал в 2023 году сценарий, в котором генеративный ИИ мог бы поднять мировой ВВП примерно на 7 процентов, или почти на 7 триллионов долларов, и увеличить рост производительности на 1,5 процентных пункта за десять лет. Это был условный прогноз, а не измеренный результат или потолок будущих выгод. Он не подтверждает независимо более крупную оценку Маска.
На уровне компании полезный расчёт проще: чистая ценность равна стоимости дополнительной полезной продукции и реализованной экономии, минус затраты на ИИ, интеграцию, проверку, доработку и потери от ошибок. Сэкономленное время становится финансовой ценностью только тогда, когда организация может использовать его продуктивно.
Преимущества и издержки
Скорость против проверки. ИИ может сократить время на подготовку черновиков, программирование и анализ. Лидерам следует измерять время, необходимое для проверки результата, наряду со временем, сэкономленным на его создании.
Более низкая стоимость производства против новых эксплуатационных расходов. Создание первой версии может подешеветь. Использование модели, интеграция, мониторинг и исправление по-прежнему потребляют деньги и время персонала.
Более широкий доступ против зависимости. Более мелкие команды могли бы браться за работу, ранее недоступную их ресурсам. Зависимость от одного поставщика может затруднить управление ценами, доступностью и изменениями модели.
Большая мощность против нарушения работы персонала. Сотрудники могли бы больше времени уделять потребностям клиентов и сложным решениям. Компаниям также необходимо планировать меняющиеся роли, переподготовку и развитие младших сотрудников, чьи рутинные учебные задачи могут быть автоматизированы.
Практический корпоративный пример
Рассмотрим гипотетическое складское предприятие, строящее сервис отслеживания заказов. ИИ мог бы подготовить интерфейс, предложить запросы к базе данных и сгенерировать тестовые случаи. Команде всё равно пришлось бы подтвердить, какие клиенты могут видеть каждый заказ, как обрабатываются расхождения запасов и работает ли сервис с существующими системами.
Значимое сравнение — стоимость одного принятого релиза и производительность в использовании. Измеряйте время поставки, дефекты, обращения в поддержку и результаты для клиентов. Более быстрый первый черновик, создающий больше производственных инцидентов, может снизить общую ценность.
Тот же принцип применим к обслуживанию клиентов. Автоматизация простых запросов может улучшить время отклика. Неясные случаи нуждаются в надёжном пути к человеку с сохранением соответствующего контекста.
Что должны делать генеральные и технические директора
Генеральным директорам следует выбрать один процесс с определимой стоимостью и ясным результатом для клиента. Установите исходный уровень, проведите ограниченный пилот и заранее договоритесь, какое улучшение оправдает расширение. Включите затраты на внедрение и изменения обязанностей персонала.
Техническим директорам следует оценить предложенную модель на репрезентативной работе из собственных систем. Проверьте корректность, безопасность, конфиденциальность, восстановление после сбоев и совместимость с существующими сервисами. Отделите разрешение предложить изменение от разрешения его исполнить.
Для действий с последствиями определите владельца одобрения и ведите аудиторский след. Сохраняйте способность отменять изменения, ограничивать доступ и приостанавливать автоматизацию при ухудшении производительности.
Проверяйте зависимость от поставщика и обучайте персонал оспаривать результаты. Расширяйте развёртывание, когда измеренные выгоды остаются положительными после затрат на проверку и поддержку. Глобальный экономический прогноз должен информировать сценарное планирование, а локальные свидетельства — направлять инвестиции.
Решение руководства
ИИ может существенно изменить экономику цифрового труда. Масштаб и сроки остаются неопределёнными. Мой совет: стройте способность оценивать и принимать его ответственно уже сейчас, а затем увеличивайте инвестиции по мере укрепления доказательств.
Какой процесс в вашей организации вы протестировали бы первым, и какие доказательства убедили бы вас, что ИИ создал устойчивую бизнес-ценность?
Мыслите математически. Проектируйте разумно. Руководите стратегически. Стройте ответственно. Масштабируйтесь глобально. Создавайте реальную бизнес-ценность с помощью искусственного интеллекта.
#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership
Первоначально опубликовано на LinkedIn Кешаваном Тиагараджа. Читайте оригинал на LinkedIn. [1]