Несмотря на апокалиптические сценарии о сверхумных машинах, экономист и Нобелевский лауреат Дарон Аджемоглу предупреждает о более приземленной угрозе: «так себе автоматизация», которая позволяет компаниям сокращать персонал без реального роста производительности, пишет Bloomberg.
Аджемоглу, профессор MIT, считает худшим не всевластный ИИ, а волну посредственных решений — вроде касс самообслуживания или автоматизированных меню поддержки — которые «не дают улучшения производительности, а иногда вредят бизнесу», одновременно вытесняя людей из «содержательной работы». После дебюта ChatGPT-5 в августе идут дискуссии, не вышла ли технология на плато: несмотря на то, что только 1% топ-менеджеров в опросе McKinsey в этом году заявили о полной интеграции ИИ с измеримой отдачей, почти все планируют увеличивать инвестиции. В таких условиях руководители могут «удваивать ставки» на автоматизацию «того, что не следует автоматизировать», говорит Аджемоглу.
Исторические примеры подкрепляют его опасения. Кассы самообслуживания стали почти универсальными: в прошлом году они были в 99% продуктовых магазинов США. В то же время в 2019–2023 годах исчезло почти 300 тыс. рабочих мест кассиров, а BLS прогнозирует дальнейшее падение на 10% в течение десятилетия. В Великобритании, где самообслуживание также повсеместно, за десятилетие потеряно около 400 тыс. рабочих мест в ритейле. Но окупаемость неочевидна: требуются большие капитальные затраты и постоянное обслуживание, растут кражи, из-за чего сети типа Target и Walmart сокращают такие линии; доля транзакций на самообслуживании в США в прошлом году опустилась чуть выше трети с 44% в 2023-м.
Неудачи случаются и в офисах: исследование, связанное с MIT, показало, что 95% корпоративных пилотов ИИ не дали измеримой отдачи. Несмотря на хайп вокруг «агентов», Gartner оценивает, что только около 130 из тысяч «агентных» продуктов действительно соответствуют заявленному. Даже более успешные агенты опираются на технологию с фундаментальными ограничениями — от галлюцинаций до слабого рассуждения и непрерывного обучения — которые не исчезают от добавления данных.
Отдельные кейсы демонстрируют риски поспешности. В финтех-компании Klarna попытка заменить команду поддержки ИИ-агентами обернулась откатом через 18 месяцев после жалоб клиентов; СЕО Себастьян Семятковски признал, что погоня за экономией ударила по качеству сервиса. В то же время в лагере оптимистов напоминают: продуктивный эффект может иметь J-кривую — сначала падение, затем рост, когда бизнесы налаживают внедрение и обучают персонал.
Для Аджемоглу принципиальная разница в том, что действительно прорывной ИИ был бы облегчением: «экономика расцветет, жизненные стандарты вырастут». Зато опасность — застрять на уровне «меh»: инструменты «достаточно хороши», чтобы сократить службы поддержки, но недостаточно, чтобы сделать кого-то ощутимо более продуктивным.
Экономист советует руководителям замедлиться и думать не о «посыпании организации перцем» новых инструментов, а о переосмыслении процессов: как повысить производительность, компенсировать удар по исходным позициям и «усилить то, что уникально в вашей компании и команде, а не просто автоматизировать это».