Не все разговоры о прогрессе ИИ одинаково полезны. Когда любую новую модель подают как шаг к универсальному превосходству, теряется самая важная деталь: развитие идет очень неровно, и именно эта неровность лучше всего объясняет, почему перемены в реальной жизни ощущаются хаотично.

Сравнение результатов систем ИИ с человеческим уровнем по разным навыкам

График Our World in Data сводит в одну картину результаты систем ИИ по разным типам задач относительно человеческого уровня. Главный вывод здесь не в красивой линии роста, а в разрыве между областями: где-то ИИ уже очень близок к человеку, а где-то заметно уступает, особенно если задача требует более сложного рассуждения или устойчивой работы с кодом.

Это важный холодный душ для рынка труда и для управленцев. Изменения будут приходить не как единый момент «машина стала лучше людей», а как серия ударов по отдельным функциям: сначала по тем, где работу легко разбить на короткие, повторяемые и измеримые куски, а уже потом по более сложным ролям, где нужна длинная цепочка решений и высокая надежность.

Для компаний это означает, что автоматизацию стоит планировать по задачам, а не по громким названиям профессий. Для работников — что риск и выгода зависят не столько от должности целиком, сколько от того, какая доля повседневной работы уже похожа на задания, в которых ИИ показывает сильный результат. Именно поэтому влияние ИИ выглядит рваным: соседние команды в одной компании могут столкнуться с очень разной скоростью перемен.

Самый полезный взгляд на такие данные — не спорить, «умнее» ли ИИ человека вообще, а смотреть, где именно уже созрели условия для замены, ускорения или перераспределения труда. На практике это гораздо точнее описывает мир, который мы сейчас наблюдаем.