Искусственный интеллект (ИИ) за последние годы развивался с невероятной скоростью – от инструментов генеративного ИИ, таких как ChatGPT, ставших общеизвестными, до беспилотных автомобилей, вышедших из лабораторий на общественные дороги.

К 2025 году ИИ проникает практически во все сектора экономики, и эксперты единодушно считают его трансформационной технологией XXI века.

В ближайшие пять лет влияние ИИ, вероятно, станет ещё глубже, принося как захватывающие инновации, так и новые вызовы.

В этой статье рассматриваются ключевые тенденции развития ИИ, прогнозируемые на ближайшие пять лет, основанные на анализе ведущих исследовательских институтов и отраслевых экспертов.

Рост внедрения и инвестиций в ИИ

Внедрение ИИ достигло рекордных высот. Компании по всему миру активно используют ИИ для повышения производительности и получения конкурентных преимуществ. Почти четыре из пяти организаций во всем мире уже применяют или изучают возможности ИИ – это исторический максимум вовлечённости.

Только в 2024 году частные инвестиции США в ИИ достигли 109 миллиардов долларов, что примерно в 12 раз превышает инвестиции Китая и в 24 раза – Великобритании. Такой рост финансирования обусловлен уверенностью в реальной бизнес-ценности ИИ: 78% организаций сообщили о применении ИИ в 2024 году (против 55% в 2023), интегрируя ИИ в продукты, услуги и ключевые стратегии.

Аналитики прогнозируют сохранение этого тренда: глобальный рынок ИИ вырастет с примерно 390 миллиардов долларов в 2025 году до более 1,8 триллиона к 2030 году – впечатляющий ежегодный рост около 35%. Такой рост, беспрецедентный даже по сравнению с предыдущими технологическими бумами, отражает, насколько ИИ становится неотъемлемой частью современного бизнеса.

Рост производительности и возврат инвестиций – ключевые факторы. Ранние пользователи уже отмечают значительные выгоды от ИИ. Исследования показывают, что ведущие компании, использующие ИИ, фиксируют улучшение показателей на 15–30% в таких областях, как производительность и удовлетворённость клиентов в рабочих процессах с ИИ.

Например, малые и средние предприятия, внедрившие генеративный ИИ, в некоторых случаях получили двузначный рост выручки. Большая часть ценности ИИ заключается в накопительных небольших улучшениях – автоматизации множества мелких задач и оптимизации процессов, что при масштабировании способно существенно повысить эффективность компании.

В результате наличие чёткой стратегии по ИИ становится критически важным. Компании, успешно внедряющие ИИ в операционную деятельность и принятие решений, смогут значительно опередить конкурентов, тогда как отстающие рискуют безвозвратно потерять позиции. Аналитики прогнозируют расширение разрыва между лидерами и аутсайдерами в ближайшие годы, что может кардинально изменить рыночные ландшафты.

Интеграция ИИ в корпоративный сектор ускоряется. В 2025 году и далее компании всех размеров перейдут от пилотных проектов к полномасштабному внедрению ИИ. Крупнейшие облачные провайдеры (так называемые «гипермасштаберы») сообщают о резком росте спроса на облачные сервисы с ИИ и активно инвестируют в инфраструктуру для поддержки этого тренда.

Эти провайдеры сотрудничают с производителями чипов, платформами данных и разработчиками ПО, предлагая интегрированные решения, отвечающие требованиям бизнеса по производительности, прибыльности и безопасности. Примечательно, что более 60% продуктов программного обеспечения как услуги уже имеют встроенные функции ИИ, а компании запускают ИИ «копилотов» для различных функций – от маркетинга до HR.

Для руководителей задача ясна: рассматривать ИИ как ключевую часть бизнеса, а не как технологический эксперимент. Как отметил один из лидеров отрасли, «мы стоим на пороге новой технологической основы, где лучшие достижения ИИ доступны любому бизнесу».

На практике это означает системное внедрение ИИ в рабочие процессы, повышение квалификации сотрудников для совместной работы с ИИ и перестройку процессов для полного использования интеллектуальной автоматизации. Организации, которые сделают эти шаги, ожидают значительные преимущества в ближайшие годы.

Прогресс в моделях ИИ и генеративном ИИ

Базовые модели и генеративный ИИ развиваются стремительно. Мало какие технологии росли так взрывно, как генеративный ИИ. С момента появления крупных языковых моделей (LLM), таких как GPT-3, и генераторов изображений, например DALL·E 2 в 2022 году, использование генеративного ИИ резко возросло.

К началу 2023 года ChatGPT превысил 100 миллионов пользователей, а сегодня более 4 миллиардов запросов ежедневно вводятся в основные платформы LLM. В ближайшие пять лет появятся ещё более мощные модели ИИ.

Технологические компании соревнуются в разработке передовых моделей ИИ, расширяющих возможности обработки естественного языка, генерации кода, визуального творчества и других областей. Важным направлением является улучшение способностей ИИ к рассуждению – чтобы модели могли логически решать задачи, планировать и «думать» над сложными проблемами, приближаясь к человеческому мышлению.

Этот акцент на рассуждениях ИИ – один из главных драйверов исследований и разработок сегодня. В корпоративной сфере главная цель – создать ИИ, который сможет глубоко понимать бизнес-данные и контекст, помогая принимать решения, а не только генерировать контент. Компании, разрабатывающие продвинутые LLM, считают, что наиболее перспективным направлением сейчас является применение рассуждающей силы ИИ к собственным корпоративным данным – для интеллектуальных рекомендаций и поддержки стратегического планирования.

Мультимодальный и высокопроизводительный ИИ. Другой тренд – рост мультимодальных систем ИИ, способных обрабатывать и генерировать различные типы данных (текст, изображения, аудио, видео) в едином формате. Недавние прорывы позволили моделям создавать реалистичные видео по текстовым запросам и успешно выполнять задачи, сочетающие язык и визуальное восприятие.

Например, новые мультимодальные модели могут анализировать изображение и отвечать на вопросы о нём на естественном языке или создавать короткое видео по сложному текстовому описанию. Эти возможности будут совершенствоваться к 2030 году, открывая новые творческие и практические применения – от ИИ-сгенерированного видео до продвинутого восприятия в робототехнике.

Бенчмарки, введённые в 2023 году для проверки этих возможностей (например, MMMU и GPQA), уже показали рост производительности на десятки процентных пунктов за год, что свидетельствует о быстром обучении ИИ решать сложные мультимодальные задачи. В некоторых специализированных конкурсах по программированию ИИ даже начал превосходить людей при ограничениях по времени.

Ожидается, что будущие модели ИИ будут более универсальными, безупречно справляясь с разными типами входных данных и задач. Такое слияние модальностей вместе с масштабированием архитектур моделей приведёт к появлению ещё более мощных «базовых моделей» к концу десятилетия – хотя и с возросшими требованиями к вычислительным ресурсам.

Повышение эффективности и открытый доступ. Заметной тенденцией в развитии ИИ является стремление к меньшим, более эффективным моделям и расширению доступа. Речь не только о создании всё более крупных нейросетей; исследователи находят способы достигать сопоставимой производительности с меньшими затратами ресурсов.

Так, с конца 2022 по конец 2024 года стоимость вычислений для работы ИИ на уровне GPT-3.5 снизилась более чем в 280 раз. Оптимизация моделей и новые архитектуры позволяют даже относительно небольшим моделям (с гораздо меньшим числом параметров, чем у крупнейших LLM) показывать высокие результаты во многих задачах.

По данным Stanford AI Index, «всё более способные небольшие модели» быстро снижают барьеры для доступа к продвинутому ИИ. Одновременно растёт популярность открытого ИИ: модели с открытыми весами из исследовательского сообщества сокращают разрыв в качестве с крупными проприетарными моделями, уменьшая разницу в производительности на бенчмарках с примерно 8% до менее 2% всего за год.

К 2025–2030 годам, вероятно, сформируется процветающая экосистема открытых моделей и инструментов ИИ, доступных разработчикам по всему миру, что демократизирует развитие ИИ за пределами технологических гигантов. Сочетание более дешёвых вычислений, эффективных алгоритмов и открытых моделей сделает ИИ значительно доступнее и экономичнее.

Даже стартапы и небольшие организации смогут адаптировать мощные модели ИИ под свои нужды без чрезмерных затрат. Это благоприятно скажется на инновациях, стимулируя разнообразные применения и эксперименты, создавая положительный цикл развития ИИ.

Рост автономных ИИ-агентов

Одна из самых интригующих новых тенденций – появление автономных ИИ-агентов – систем ИИ, обладающих не только интеллектом, но и способностью самостоятельно действовать для достижения целей. Иногда их называют «агентным ИИ»; эта концепция объединяет продвинутые модели ИИ (например, LLM) с логикой принятия решений и использованием инструментов, позволяя ИИ выполнять многоэтапные задачи с минимальным участием человека.

В ближайшие пять лет ИИ-агенты перейдут от экспериментальных демонстраций к практическим инструментам на рабочих местах. Фактически, руководители предприятий прогнозируют, что ИИ-агенты могут фактически удвоить численность их рабочей силы, взяв на себя множество рутинных и интеллектуальных задач.

Например, ИИ-агенты уже способны самостоятельно обрабатывать стандартные запросы клиентов, создавать черновики маркетинговых текстов или программного кода, а также превращать технические спецификации в прототипы продуктов. По мере развития технологии компании будут внедрять ИИ-агентов как «цифровых сотрудников» во всех отделах – от виртуальных продавцов, ведущих естественные диалоги с клиентами, до ИИ-менеджеров проектов, координирующих простые рабочие процессы.

Важно, что эти агенты не предназначены для замены людей, а для их поддержки. На практике сотрудники будут работать в тандеме с ИИ-агентами: люди будут контролировать агентов, давать им общие указания и сосредотачиваться на сложных или творческих задачах, делегируя рутинную работу цифровым помощникам.

Ранние пользователи отмечают, что такое сотрудничество человека и ИИ значительно ускоряет процессы (например, обработку запросов клиентов или разработку новых функций), освобождая время для стратегической работы.

Чтобы воспользоваться этой тенденцией, организациям придётся переосмыслить свои рабочие процессы и роли. Потребуются новые подходы к управлению для эффективной интеграции ИИ-агентов – включая обучение сотрудников работе с агентами, создание ролей по контролю за их деятельностью и установление правил, чтобы автономные действия ИИ соответствовали бизнес-целям и этическим нормам.

Это серьёзный вызов в управлении изменениями: недавний опрос показал, что многие компании только начинают задумываться о том, как организовать совместную работу человека и ИИ. Тем не менее, те, кто справится, смогут достичь беспрецедентных уровней производительности и инноваций.

Как отметил один эксперт по рабочей силе, «ИИ-агенты готовы революционизировать рабочие процессы, сочетая человеческое творчество с машинной эффективностью для достижения невиданных ранее результатов». К 2030 году не удивительно, если появятся целые «команды ИИ-агентов» или центры ИИ-агентов, которые будут выполнять значительные операции, кардинально меняя организацию труда.

Специализированное оборудование для ИИ и edge-вычисления

Быстрый рост возможностей ИИ сопровождается взрывным увеличением потребностей в вычислительных ресурсах, что стимулирует значительные инновации в аппаратном обеспечении. В ближайшие годы ожидается появление нового поколения специализированных чипов для ИИ и распределённых вычислительных решений для поддержки роста ИИ.

Потребность ИИ в вычислительной мощности уже крайне высока – обучение передовых моделей и обеспечение их способности рассуждать над сложными задачами требует огромных вычислительных циклов. Для удовлетворения этого спроса компании-производители полупроводников и крупные технологические корпорации разрабатывают специализированные кремниевые решения, оптимизированные для ИИ.

В отличие от универсальных процессоров или даже графических процессоров, эти ускорители ИИ (часто ASIC – специализированные интегральные схемы) созданы для эффективного выполнения вычислений нейронных сетей. Руководители отрасли отмечают, что многие клиенты рассматривают возможность использования специализированных ИИ-чипов в своих дата-центрах для повышения производительности на ватт.

Преимущество таких чипов очевидно: ASIC, созданный под конкретный алгоритм ИИ, может значительно превосходить универсальный GPU в этой задаче, что особенно важно для edge-ИИ (работа ИИ на смартфонах, датчиках, автомобилях и других устройствах с ограниченным энергопотреблением). Эксперты прогнозируют рост спроса на эти ускорители ИИ по мере расширения внедрения ИИ на периферии в ближайшие годы.

Одновременно облачные провайдеры наращивают свою ИИ-инфраструктуру. Крупнейшие облачные платформы (Amazon, Microsoft, Google и др.) инвестируют миллиарды в расширение дата-центров, включая разработку собственных ИИ-чипов и систем, чтобы удовлетворить растущие потребности в обучении и использовании моделей ИИ по запросу.

Они рассматривают ИИ-нагрузки как огромную возможность для дохода, поскольку предприятия всё активнее переводят свои данные и задачи машинного обучения в облако. Такая централизация позволяет бизнесу получать доступ к мощному ИИ без необходимости приобретать специализированное оборудование самостоятельно.

Однако стоит отметить, что возникли ограничения в поставках – например, мировой спрос на высокопроизводительные GPU привёл к дефициту и задержкам в некоторых случаях. Геополитические факторы, такие как экспортные ограничения на передовые чипы, также создают неопределённость. Эти вызовы, вероятно, стимулируют дальнейшие инновации – от строительства новых фабрик по производству чипов до разработки новых аппаратных архитектур (включая нейроморфные и квантовые вычисления в долгосрочной перспективе).

Положительным моментом является то, что эффективность аппаратного обеспечения для ИИ постоянно растёт. Каждый год чипы становятся быстрее и энергоэффективнее: последние исследования показывают снижение стоимости ИИ-оборудования примерно на 30% в год при одновременном улучшении энергоэффективности (вычисления на ватт) примерно на 40% ежегодно.

Это означает, что даже при усложнении моделей ИИ стоимость одной операции снижается. К 2030 году запуск сложных ИИ-алгоритмов может стоить лишь часть сегодняшних затрат.

Сочетание дешёвых вычислений и специализированного ИИ-оборудования позволит внедрять ИИ буквально повсеместно – от умных бытовых приборов до промышленных датчиков – поскольку обработка данных может выполняться как на небольших edge-устройствах, так и на оптимизированных облачных серверах.

В итоге, в ближайшие пять лет укрепится тенденция к специализированному оборудованию для ИИ на двух полюсах: масштабные суперкомпьютерные кластеры в облаке и энергоэффективные ИИ-чипы на периферии. Вместе они станут цифровым фундаментом, обеспечивающим расширение ИИ.

ИИ меняет отрасли и повседневную жизнь

ИИ уже не ограничивается технологическими лабораториями – он всё глубже проникает в повседневную жизнь и во все отрасли. В ближайшие годы мы увидим более тесную интеграцию ИИ в такие сферы, как здравоохранение, финансы, производство, розничная торговля, транспорт и другие, что коренным образом изменит способы предоставления услуг.

• Здравоохранение: ИИ помогает врачам диагностировать заболевания на ранних стадиях и эффективнее управлять уходом за пациентами. Например, FDA США одобрило 223 медицинских устройства с ИИ в 2023 году, что значительно больше по сравнению с 6 одобрениями в 2015 году.
  
  Это устройства, анализирующие медицинские изображения (МРТ, рентген) для выявления опухолей, алгоритмы мониторинга жизненных показателей и прогнозирования кризисов. Среди новых трендов – использование генеративного ИИ для суммирования медицинских записей и составления отчётов, а также инструменты перевода медицинского жаргона на понятный пациентам язык.

  К 2030 году аналитики прогнозируют, что ИИ принесёт почти 200 миллиардов долларов ежегодной ценности в здравоохранении за счёт улучшения результатов и повышения эффективности. Также ИИ ускоряет разработку лекарств – некоторые фармацевтические компании уже сократили сроки создания препаратов более чем на 50% благодаря ИИ-ассистированным исследованиям.

• Финансы: Финансовая отрасль была одним из первых пользователей ИИ и продолжит развивать технологии. Банки и страховые компании применяют ИИ для выявления мошенничества, оценки рисков в реальном времени и алгоритмической торговли.
  
  Крупные учреждения, такие как JPMorgan Chase, имеют более 300 кейсов использования ИИ в производстве, от моделей для обнаружения мошенничества до генеративных инструментов для автоматизации обработки документов.

  В будущем ожидается появление ИИ «финансовых консультантов» и автономных агентов по управлению капиталом, персонализирующих инвестиционные стратегии. ИИ также может составлять аналитические отчёты и обрабатывать рутинные запросы клиентов через чат-ботов. Поскольку финансы – строго регулируемая сфера, особое внимание уделяется объяснимости и управлению ИИ – например, банки инвестируют в технологии механистической интерпретируемости, чтобы понимать причины решений ИИ и обеспечивать соответствие нормативам и этическим стандартам.

• Производство и логистика: На заводах и в цепочках поставок ИИ повышает эффективность. Компании используют ИИ для предиктивного обслуживания – датчики и машинное обучение прогнозируют поломки оборудования, снижая простои.
  
  Системы компьютерного зрения на конвейерах автоматически выявляют дефекты в реальном времени. Следующий этап – робототехника с ИИ, способная выполнять сложные и деликатные операции вместе с людьми, а также цифровые двойники (виртуальные модели заводов или продуктов), где ИИ тестирует оптимизации в виртуальной среде перед применением в реальности.

  Генеративный ИИ даже используется для проектирования новых компонентов и продуктов, предлагая инженерные улучшения, которые могут быть упущены человеком. Эти инновации значительно сокращают затраты и ускоряют производство – эксперты отмечают, что внедрение ИИ в разработку и НИОКР может сократить время выхода на рынок вдвое и снизить затраты примерно на 30% в таких отраслях, как автомобилестроение и аэрокосмическая промышленность.

• Розничная торговля и обслуживание клиентов: ИИ меняет способы покупок и взаимодействия с бизнесом. Онлайн-платформы используют рекомендательные системы на базе ИИ для персонализации предложений («Покупатели, похожие на вас, также приобрели…»). Алгоритмы динамического ценообразования корректируют цены в реальном времени в зависимости от спроса и запасов.
  
  В электронной коммерции и службах поддержки чат-боты и виртуальные ассистенты с ИИ становятся стандартом, обеспечивая круглосуточное обслуживание.

  К 2025 году многие компании, ориентированные на потребителей, планируют использовать сочетание чат-ботов и ИИ-агентов для поддержки команд обслуживания, предоставляя мгновенный самообслуживание по рутинным вопросам и помогая сотрудникам с информацией по сложным запросам.
  
  Даже в физических магазинах ИИ-инструменты, такие как умные зеркала и примерочные с дополненной реальностью, улучшают опыт покупок. За кулисами ИИ оптимизирует цепочки поставок – от прогнозирования спроса до управления складской логистикой – обеспечивая наличие товаров и их своевременную доставку.

Это лишь малая часть примеров. Примечательно, что даже традиционно низкотехнологичные сферы, такие как сельское хозяйство, горнодобывающая промышленность и строительство, теперь активно используют ИИ – будь то автономная сельхозтехника, ИИ для разведки полезных ископаемых или умное управление энергопотреблением.

Фактически, использование ИИ растёт во всех отраслях, включая те, которые ранее не считались ИИ-ориентированными. Компании в этих сферах обнаруживают, что ИИ помогает оптимизировать использование ресурсов, снижать отходы и повышать безопасность (например, системы ИИ для мониторинга усталости работников или состояния оборудования в реальном времени).

К 2030 году консенсус таков, что не останется отрасли, не затронутой ИИ – различия будут лишь в том, насколько быстро и глубоко каждая сфера внедрит ИИ.

Для потребителей повседневная жизнь всё больше переплетается с ИИ в тонких формах. Многие уже начинают день с приложений на смартфоне, которые с помощью ИИ подбирают новости или планируют маршрут.

Виртуальные ассистенты в телефонах, автомобилях и домах становятся умнее и более разговорчивыми с каждым годом. Беспилотные автомобили и дроны для доставки, хотя пока не повсеместны, вероятно, станут обычным явлением в ближайшие пять лет, по крайней мере в некоторых городах или для определённых сервисов (флот роботакси, автоматизированные доставки продуктов и т. п.).

Образование также ощущает влияние ИИ: персонализированное программное обеспечение адаптируется под потребности учеников, а ИИ-репетиторы предоставляют помощь по запросу в различных предметах. В целом, тенденция такова, что ИИ всё больше работает в фоновом режиме повседневной жизни – делая услуги удобнее и персонализированнее – до такой степени, что к 2030 году эти ИИ-услуги станут восприниматься как естественная часть жизни.

Ответственный ИИ и регулирование

Быстрый темп развития ИИ вызвал важные вопросы об этике, безопасности и регулировании, которые станут центральными темами в ближайшие годы. Ответственный ИИ – обеспечение справедливости, прозрачности и безопасности систем ИИ – перестал быть просто модным словом и стал бизнес-императивом.

В 2024 году резко выросло число инцидентов, связанных с ИИ (например, предвзятые результаты или сбои в безопасности), однако немногие крупные разработчики ИИ имеют стандартизированные протоколы оценки этики и безопасности. Этот разрыв между осознанием рисков и их реальным снижением многие организации сейчас стремятся устранить.

Опросы отрасли показывают, что в 2025 году руководители компаний перестанут мириться с разрозненным или «локальным» управлением ИИ; они переходят к системному, прозрачному контролю ИИ во всей организации. Логика проста: поскольку ИИ становится неотъемлемой частью операций и клиентского опыта, любая ошибка – будь то неверная рекомендация, нарушение конфиденциальности или ненадёжный результат модели – может нанести серьёзный ущерб бизнесу (от репутационных потерь до штрафов).

Поэтому ожидается, что жёсткое управление рисками ИИ станет нормой. Компании начинают регулярно проводить аудиты и валидацию ИИ – как собственными специалистами, так и внешними экспертами – чтобы гарантировать корректную работу ИИ в рамках правовых и этических норм.

Как отметил один из руководителей по обеспечению качества ИИ, успешное управление ИИ будет оцениваться не только по предотвращению рисков, но и по достижению стратегических целей и возврата инвестиций – другими словами, по согласованию работы ИИ с бизнес-ценностью на доверительной основе.

Регуляторы по всему миру также активизируются. Регулирование ИИ ужесточается как на национальном, так и на международном уровнях. В 2024 году федеральные агентства США инициировали 59 нормативных актов, связанных с ИИ – более чем вдвое больше, чем в предыдущем году.

Европейский союз завершает работу над комплексным Законом об ИИ, который установит требования к системам ИИ (особенно с высоким уровнем риска) по прозрачности, ответственности и человеческому контролю. Другие регионы не отстают: такие организации, как ОЭСР, ООН и Африканский союз, в 2024 году выпустили рамки управления ИИ, направленные на принципы прозрачности, справедливости и безопасности.

Ожидается, что тенденция глобального сотрудничества в области этики и стандартов ИИ усилится, несмотря на различия в подходах стран. Примечательно, что различия в философии регулирования могут влиять на развитие ИИ в каждом регионе. Аналитики отмечают, что более гибкие режимы (например, в США) могут способствовать более быстрому инновационному развитию и внедрению ИИ, тогда как более строгие правила (как в ЕС) могут замедлить некоторые применения, но повысить общественное доверие.

Китай, в свою очередь, активно инвестирует в ИИ и разрабатывает собственные правила (например, по дипфейкам и прозрачности алгоритмов) для регулирования использования ИИ внутри страны.

Другой аспект ответственного ИИ – борьба с предвзятостью, дезинформацией и обеспечение доверия к результатам ИИ. Разрабатываются новые инструменты и тесты для оценки систем ИИ по этим критериям – например, HELM (Holistic Evaluation of Language Models) Safety и другие проверки, измеряющие фактическую точность и безопасность генерируемого ИИ контента.

Вероятно, такие стандартизированные проверки станут обязательной частью разработки ИИ-систем. Между тем, восприятие обществом рисков и преимуществ ИИ будет влиять на усилия регуляторов и компаний по контролю.

Интересно, что оптимизм по поводу ИИ сильно различается по регионам: опросы показывают, что жители таких стран, как Китай, Индонезия и многие развивающиеся государства, весьма оптимистичны относительно пользы ИИ, тогда как общественное мнение в западных странах более осторожно или даже скептично.

Если оптимизм будет расти (как это наблюдается в Европе и Северной Америке), возможно появление большей социальной поддержки для внедрения ИИ – при условии, что системы будут справедливыми и безопасными.

В итоге, следующие пять лет станут решающими для управления ИИ. Мы, вероятно, увидим вступление в силу первых комплексных законов об ИИ (например, в ЕС), рост инвестиций правительств в органы контроля ИИ и интеграцию принципов Ответственного ИИ в жизненный цикл разработки продуктов.

Цель – найти баланс, при котором инновации не будут подавлены – «гибкое» регулирование позволит продолжать быстрый прогресс – и при этом потребители и общество будут защищены от возможных негативных последствий. Достижение этого баланса – одна из ключевых задач по мере перехода ИИ от зарождающейся технологии к зрелой и повсеместной.

Глобальная конкуренция и сотрудничество

Развитие ИИ в ближайшие пять лет будет формироваться также под влиянием ожесточённой глобальной конкуренции за лидерство в ИИ и усилий по международному сотрудничеству. В настоящее время США и Китай – главные игроки на арене ИИ.

США лидируют по многим показателям – например, в 2024 году американские учреждения создали 40 из лучших мировых моделей ИИ, в то время как Китай – 15, а Европа – лишь несколько. Однако Китай быстро сокращает отставание в ключевых областях.

Модели ИИ, разработанные в Китае, значительно приблизились по качеству к американским, достигнув почти паритета на основных бенчмарках в 2024 году. Более того, Китай опережает все остальные страны по объёму научных публикаций и патентов в области ИИ, что свидетельствует о долгосрочной приверженности развитию ИИ.

Это соперничество, вероятно, ускорит инновации – современная космическая гонка, но в сфере ИИ – поскольку каждая страна вкладывает ресурсы в опережение конкурента. Мы уже наблюдаем рост государственных инвестиций в ИИ: Китай объявил о национальном фонде в 47,5 миллиарда долларов для полупроводников и ИИ, а США, ЕС и другие регионы также вкладывают миллиарды в исследования и развитие талантов.

Тем не менее, история ИИ далеко не ограничивается двумя странами. Глобальное сотрудничество и вклад других регионов растут. Европа, Индия и Ближний Восток создают заметные инновации и собственные модели ИИ.

Например, Европа делает упор на доверительный ИИ и является домом для многих проектов с открытым исходным кодом. Индия использует ИИ для масштабных приложений в образовании и здравоохранении, а также поставляет значительную часть мировых специалистов по ИИ (Индия и США вместе составляют более половины глобальной квалифицированной рабочей силы в ИИ).

Малые страны также стремятся занять свои ниши – например, Сингапур инвестирует в управление ИИ и инициативы «умных городов», а ОАЭ развивают исследования и внедрение ИИ. Международные организации проводят обсуждения стандартов ИИ, чтобы обеспечить хотя бы частичное согласование – как показано на примере рамок ОЭСР и ООН, а также таких инициатив, как Глобальное партнёрство по ИИ (GPAI), объединяющее множество стран для обмена лучшими практиками.

Хотя геополитическая конкуренция будет продолжаться (и, вероятно, усилится в таких сферах, как военное применение ИИ или экономическое преимущество), существует параллельное понимание, что вопросы этики, безопасности и решения глобальных проблем требуют сотрудничества. Возможно, мы увидим больше трансграничных исследовательских проектов, направленных на ИИ для борьбы с изменением климата, реагирования на пандемии или гуманитарных инициатив.

Интересный аспект глобального ландшафта ИИ – как различные настроения и пользовательские базы будут влиять на эволюцию ИИ. Как уже отмечалось, общественное мнение в некоторых развивающихся экономиках очень позитивно, что может сделать эти рынки более благоприятными для экспериментов с ИИ в таких сферах, как финтех или образовательные технологии.

В то же время регионы с более скептическим населением могут вводить более жёсткие правила или сталкиваться с более медленным внедрением из-за низкого доверия. К 2030 году мы можем наблюдать своего рода расщепление: одни страны достигнут почти повсеместной интеграции ИИ (умные города, ИИ в управлении), а другие будут двигаться более осторожно.

Тем не менее даже осторожные регионы признают, что не могут игнорировать потенциал ИИ – например, Великобритания и европейские страны инвестируют в безопасность ИИ и инфраструктуру (Великобритания планирует национальное облако для исследований ИИ, Франция развивает публичные суперкомпьютерные инициативы и т. д.).

Таким образом, гонка идёт не только за создание самого быстрого ИИ, но и за создание правильного ИИ, отвечающего потребностям каждого общества.

В сущности, следующие пять лет будут характеризоваться сложным взаимодействием конкуренции и сотрудничества. Мы, вероятно, увидим прорывные достижения ИИ, появляющиеся из неожиданных уголков мира, а не только из Кремниевой долины или Пекина.

И поскольку ИИ становится важнейшим элементом национальной мощи (аналогично нефти или электричеству в прошлые эпохи), то то, как страны будут управлять и сотрудничеством, и соперничеством в этой области, существенно повлияет на глобальную траекторию развития ИИ.

Влияние ИИ на рабочие места и навыки

Наконец, ни одно обсуждение ближайшего будущего ИИ не будет полным без рассмотрения его влияния на труд и занятость – тема, волнующая многих. Заберёт ли ИИ наши рабочие места или создаст новые? Данные пока указывают на сочетание обоих эффектов, с явным уклоном в сторону дополнения, а не полной автоматизации.

Всемирный экономический форум прогнозирует, что к 2025 году ИИ создаст около 97 миллионов новых рабочих мест по всему миру, одновременно вытеснив примерно 85 миллионов – чистый прирост составит 12 миллионов.

Новые профессии варьируются от специалистов по данным и инженеров ИИ до совершенно новых категорий, таких как этики ИИ, инженеры по созданию запросов (prompt engineers) и специалисты по обслуживанию роботов. Мы уже наблюдаем реализацию этого прогноза: более 10% вакансий сегодня – это роли, которые практически не существовали десять лет назад (например, руководитель ИИ или разработчик машинного обучения).

Важно, что вместо массовой безработицы раннее влияние ИИ на рабочие места проявилось в повышении производительности труда и изменении требований к навыкам. Отрасли, быстро внедряющие ИИ, демонстрируют рост выручки на одного сотрудника в 3 раза с начала бума ИИ около 2022 года.

В этих секторах сотрудники не становятся лишними; напротив, они становятся более продуктивными и ценными. Фактически, зарплаты растут вдвое быстрее в индустриях с интенсивным использованием ИИ по сравнению с отраслями с низким уровнем внедрения ИИ.

Даже работники на автоматизируемых должностях получают повышение зарплаты, если обладают навыками работы с ИИ, что свидетельствует о ценности сотрудников, умеющих эффективно использовать ИИ-инструменты. В целом наблюдается растущий престиж навыков ИИ – специалисты, владеющие ИИ (даже на базовом уровне, например, используя аналитические или контент-генерирующие инструменты), зарабатывают больше.

Одно из исследований показало, что сотрудники с навыками ИИ получают в среднем премию к зарплате в 56% по сравнению с коллегами на аналогичных позициях без этих навыков. Эта премия более чем удвоилась всего за год, подчёркивая, как быстро «грамотность в ИИ» становится обязательным навыком.

Тем не менее ИИ неизбежно изменяет характер профессий. Многие рутинные или низкоквалифицированные задачи автоматизируются – ИИ может взять на себя ввод данных, составление отчётов, простые запросы клиентов и т. д. Это означает, что некоторые профессии будут сокращены или переопределены.

Особенно под угрозой находятся административные и повторяющиеся процессы. Однако даже по мере исчезновения этих задач появляются новые, требующие человеческого творчества, суждения и контроля за ИИ.

В итоге меняется набор навыков, необходимых для большинства профессий. Анализ LinkedIn прогнозирует, что к 2030 году около 70% навыков, используемых в среднем рабочем месте, будут отличаться от тех, что требовались несколько лет назад.
Иными словами, почти каждая профессия эволюционирует. Для адаптации необходимы непрерывное обучение и переквалификация рабочей силы.

К счастью, наблюдается активное развитие образования и повышения квалификации в области ИИ: две трети стран включили информатику (часто с модулями по ИИ) в школьные программы, а компании активно инвестируют в обучение сотрудников. По всему миру 37% руководителей планируют в ближайшее время увеличить инвестиции в обучение работе с ИИ-инструментами.

Также растёт число онлайн-курсов и сертификатов по ИИ – например, бесплатные программы от технологических компаний и университетов, обучающие основам ИИ миллионы людей.

Другой аспект ИИ на рабочем месте – появление «команды человек–ИИ» как базовой единицы производительности. Как уже упоминалось, ИИ-агенты и автоматизация берут на себя часть работы, а люди обеспечивают контроль и экспертизу.
Перспективные компании переосмысливают роли, снижая акцент на начальных позициях (которые может выполнять ИИ), и сразу нанимают сотрудников на более стратегические должности, полагаясь на ИИ для рутинной работы.

Это может сгладить традиционные карьерные лестницы и потребовать новых подходов к обучению талантов (поскольку младшие сотрудники не будут учиться на простых задачах, если их выполняет ИИ). Также возрастает значение управления изменениями в организациях. Многие сотрудники испытывают тревогу или перегрузку из-за скорости изменений, связанных с ИИ.

Поэтому руководителям необходимо активно управлять этим переходом – объяснять преимущества ИИ, вовлекать сотрудников в процесс внедрения и уверять их, что цель – улучшить человеческий труд, а не заменить его. Компании, успешно формирующие культуру сотрудничества человека и ИИ – где использование ИИ становится естественным для персонала – скорее всего, добьются наибольших успехов.

В итоге рынок труда в ближайшие пять лет будет характеризоваться трансформационными изменениями, а не катастрофой. ИИ автоматизирует определённые задачи и функции, но также создаст спрос на новые компетенции и сделает многих работников более продуктивными и ценными.

Задача (и возможность) – помочь рабочей силе пройти через этот переход. Те люди и организации, которые примут идею непрерывного обучения и адаптируют роли для использования ИИ, будут процветать в новой экономике, основанной на ИИ. Те, кто этого не сделает, рискуют потерять актуальность.

Как лаконично выразился один отчёт, благодаря ИИ характер работы меняется с освоения конкретных задач на постоянное приобретение новых. Предстоящие годы проверят нашу способность идти в ногу с этими изменениями – но если мы справимся, результатом станет более инновационный, эффективный и ориентированный на человека мир труда.

>>> Возможно, Вам пригодится:

Навыки, необходимые для работы с ИИ

Преимущества ИИ для частных лиц и бизнеса

Траектория развития ИИ в ближайшие пять лет обещает глубокие изменения в технологиях, бизнесе и обществе. Мы, вероятно, увидим, как системы ИИ становятся более способными – осваивают несколько модальностей, демонстрируют улучшенные способности к рассуждению и работают с большей автономией.

Одновременно ИИ станет неотъемлемой частью повседневной жизни: будет принимать решения в советах директоров и правительстве, оптимизировать операции на заводах и в больницах, улучшать опыт клиентов и образование.

Возможности огромны – от повышения экономической производительности и научных открытий до помощи в решении глобальных проблем, таких как изменение климата (ИИ, как ожидается, ускорит переход на возобновляемые источники энергии и более рациональное использование ресурсов). Но для полного раскрытия потенциала ИИ потребуется преодолеть сопутствующие риски и препятствия. Вопросы этики, управления и инклюзивности потребуют постоянного внимания, чтобы выгоды ИИ были широко доступны и не были омрачены негативными последствиями.

Общая идея такова: человеческий выбор и лидерство определят будущее ИИ. ИИ – это инструмент – невероятно мощный и сложный, но в конечном счёте отражающий цели, которые мы перед ним ставим.

Следующие пять лет – критический период для ответственного развития ИИ: бизнес должен внедрять ИИ осознанно и этично; политики – создавать сбалансированные рамки, способствующие инновациям и защищающие общество; образовательные учреждения и сообщества – готовить людей к изменениям, которые принесёт ИИ.

Международное и междисциплинарное сотрудничество в области ИИ должно углубляться, чтобы мы совместно направляли эту технологию к положительным результатам. Если нам это удастся, 2030 год может стать началом новой эры, в которой ИИ значительно расширит человеческие возможности – помогая работать умнее, жить здоровее и решать задачи, ранее недоступные.

В таком будущем ИИ не будет восприниматься с опаской или чрезмерным ажиотажем, а станет признанной, хорошо регулируемой частью современной жизни, которая служит человечеству. Достижение этой цели – главная задача и обещание ближайших пяти лет развития ИИ.