Смысл ускорения

«А чем вы занимаетесь?» — спрашивает герой романа «Понедельник начинается в субботу». «Как и вся наука… Счастьем человеческим», — отвечают ему. Верен ли этот тезис в эпоху ИИ, как измерить эффект от инноваций и надо ли ограничивать прогресс, узна­ли у Михаила Лобоцкого, генерального директора провайдера облачных и ИИ-­сервисов Cloud.ru. Михаил пришел в компанию практически в момент ее основания, когда в ней работало около ста человек. Сегодня команда Cloud.ru насчитывает более двух тысяч сотрудников, а ИИ-направление формирует больше половины выручки.

ИИ — уже новая производительная сила или пока очень дорогой эксперимент человечества? По каким признакам мы поймем, что новая эпоха действительно наступила?

Я уверен, что следующая пятилетка точно будет про искусственный интеллект. Он во многом поменяет то, как мы живем, экономику, работу компаний, образование наших детей — практически всё.

Сейчас мы только входим в эту эру. Предыдущие пять лет были скорее подготовительными: появлялись нейросетевые модели, вычислительная инфраструктура для них и платформы. Люди экспериментировали и учились пользоваться новыми инструментами. Теперь начинается следующий этап — внедрение ИИ в реальные процессы. 

Новая эпоха полноценно наступит не тогда, когда ИИ просто станет массовой технологией. Если встроить его в старый процесс, эффект будет ограниченным. Настоящие изменения начнутся, когда компании станут перестраивать под возможности ИИ сами производственные и управленческие процессы.

Это глобальная тенденция? Насколько быстро проходит ИИ-зация в России? 

Весь мир одновременно оказался в начале нового технологического цикла. Это позволило нам резко сократить отставание от стран-лидеров. Если в облачных технологиях Россия исторически отставала от мирового рынка минимум на пять лет, в ИИ срок сократился до года-полутора. Это не значит, что мы решили все проблемы, просто все стартовали из одной точки.

Но сегодня важно решить, что именно мы пытаемся догнать. Можно потратить десятилетия на повторение существующих технологий или развивать пока непопулярные — например, фотонные и квантовые вычисления. Возможно, в какой-то момент разумнее будет поставить на следующий технологический переход.

Какова цена входного билета в ИИ-мир? 

Среди крупнейших игроков рынка в России более 80 % пилотировали ИИ-решения. Но рост числа пилотов и потребленных токенов сам по себе ничего не говорит об экономическом результате. Сейчас можно сделать десять прототипов за время, за которое раньше делали один. Но от того, что я сделал десять прототипов, никому легче не станет. Нужно выбрать один правильный. А освободившееся время потратить на исследование, что на самом деле нужно клиенту. Да и человеку в целом. 

Есть и более широкий вопрос сходимости экономики. Крупнейшие разработчики моделей сегодня во многом субсидируют использование ИИ. Они захватывают рынок, привлекают инвестиции и наращивают капитализацию. Если смотреть финансовую модель самих сервисов, окажется, что сегодня это глубоко убыточный бизнес. 

Со временем рынок будет выравниваться: субсидированные подписки начнут уходить, появится больше специализированных моделей и агентов. Одним из главных показателей станет не размер модели, а стоимость решения конкретной задачи.

Когда можно будет ожидать экономической отдачи от инвестиций в ИИ?

Эффект уже есть в тех областях, в которых задачу можно четко описать и проверить полученный результат. В первую очередь это разработка и тестирование ПО, информационная безопасность, поддержка пользователей и работа с документами. Здесь компании уже переходят от экспериментов к промышленному применению.

Экономическая отдача начинается не в момент покупки токена. Она наступает, когда компания, изменив процесс, получила измеримый результат: стала быстрее выводить продукты на рынок, повысила скорость обслуживания и лояльность клиентов или выполнила больший объем работы теми же силами.

ИИ принято считать почти нематериальной технологией. Но его развитие напрямую зависит от наличия чипов, электричества и дата-центров. Что станет главным ограничением прогресса — возможности алгоритмов или нехватка физических ресурсов?

Фундаментом для ИИ, конечно, выступает оборудование. Если разрыв в программном обеспечении можно преодолеть за три-пять лет, то преодолеть дефицит в современном железе значительно сложнее. А если мы спускаемся на уровень микропроцессоров, возникает вопрос, можно ли вообще сделать это в России в обозримые сроки.

У нашей страны прекрасная математическая школа. Российские программисты ценятся во всем мире и создали много сильных решений. Но в случае искусственного интеллекта определяющим фактором становятся чипы. Сегодня этот рынок фактически замкнут на одном поставщике — Nvidia. Впрочем, эту зависимость ощущает не только Россия, но и весь мир.

Да, появляются китайские альтернативы. Мы их постоянно тестируем. Пока они уступают по производительности и энергоэффективности, но рынок все равно начинает поворачиваться в эту сторону. Не потому что китайские решения уже во всем сравнялись с лидером, а потому что доступность оборудования становится решающим фактором.

Самое интересное происходит на стыках: между софтом и железом, железом и дата-центром, дата-центром и электрогенерацией. Именно способность добиваться эффективности на каждом переходе определяет конечную экономику.

Сегодня индустрия, которая несколько лет стремительно двигалась ввысь — от инфраструктуры к платформам и готовым приложениям, — сейчас поворачивается ближе к земле. Если программные продукты и цифровые сервисы будут все активнее создавать с помощью ИИ, то с производством чипов, выработкой электричества и функционированием дата-­центров ИИ-агент не справится.

ИИ должен был освободить человека от рутины. Но пока он скорее позволяет выполнить за день в несколько раз больше задач. Мы действительно получаем свободное время или работа просто становится бесконечной?

Я считаю, что внедрение ИИ — это даже не столько вопрос эффективности производства или конкретного процесса, сколько вопрос выхода на принципиально новую скорость получения результата в целом. Вопрос использования ИИ в бизнесе можно свести к тому, насколько быстро мы теперь можем дать ценность клиенту. 

Возьмем для примера создание ИТ-решений. Классический коллектив разработки — восемь-десять человек. Сейчас у нас есть целый ряд команд из трех-пяти человек, так называемые tiny teams. Еще недавно они считались бы недоукомплектованными, сегодня входят в число самых результативных. В командах-крошках несколько специалистов и ИИ-агенты, которым делегируют значительную часть написания кода, тестирование и многие другие операции. В то время как люди больше времени уделяют исследованию клиента, определению задачи и формированию видения продукта. Уверен, что все высвобожденное время нужно направлять на поиск ответа на вопрос «зачем». Ценность появится только в том случае, если хотя бы один из них решает реальную проблему.

Наша задача сейчас — увеличивать результат без пропорционального роста штата. Если раньше любой проект по созданию новых продуктов или разработке дополнительных функций начинался с найма, то сегодня сначала нужно спросить, можно ли перестроить процесс и выполнить работу с помощью ИИ. По мере развития ИИ все процессы, в том числе написание кода, будут становиться дешевле. Если человек понимает бизнес-процесс, машина сможет написать необходимый софт очень быстро, практически с лету. И важность операционной экспертизы человека только возрастает в этом случае. Особенно ценен будет специалист, который способен не просто выполнить отдельный участок работы, а переосмыслить и заново собрать весь процесс.

Первый соблазн при работе с ИИ — передать машине не только задачу, но и ответственность за результат. Какие решения нельзя делегировать машине?

ИИ может найти информацию, написать код, провести тестирование и предложить решение. Но он не может ответить, зачем мы это делаем и какие последствия готовы принять. Эти вопросы остаются за человеком. Хотя он, по моим наблюдениям, довольно легко перекладывает ответственность на алгоритмы. Был случай, когда команда передала ИИ- агенту тестирование программных продуктов и полностью убрала человека из этой цепочки. При разборе не совсем удовлетворительного результата начали выяснять, кто за это отвечает. Команда утверждала: «Мы же автоматизировали процесс, теперь отвечает агент». 

Нет, так не работает. Сотрудник компании отвечает за весь процесс создания продукта и за конечный результат, который получает клиент. Иногда приходится практически насильственно возвращать человека в производственный процесс. Это лишний раз доказывает, что большая часть работы при внедрении ИИ связана не с тем, чтобы дать людям инструменты, а с тем, чтобы правильно перестроить процессы.

Сейчас многие этапы нашей деятельности автоматизированы и устроены как замкнутые циклы. Но каждый такой цикл все равно зависит от человека. Именно он остается центром принятия решений и отвечает за результат, даже если большую часть операций выполняют агенты.

Есть мнение, что через несколько лет основными пользователями облаков станут не люди, а ИИ-агенты. Машины будут создавать цифровые сервисы и сами же ими пользоваться. Вы с этим согласны?

Сегодня пользователи облаков — это разработчики, DevOps-инженеры и архитекторы. Мы учим их, помогаем осваивать сложные сервисы, проводим сертификацию знаний. Но очень скоро значительную часть пользователей составят ИИ-агенты, которые сами будут выбирать вычислительные ресурсы и разворачивать инфраструктуру.

Облако — довольно сложная штука, но владельцу бизнеса необязательно понимать, как именно она работает. Ему важен бизнес-результат и счастье конечного клиента. Если ИИ-агент способен управлять этой инфраструктурой лучше и эффективнее, то ему и следует доверить. 

Это может полностью изменить индустрию. Агенты будут создавать цифровые системы и сами же их потреблять. Програм­мный слой изменится первым. Физическая инфраструктура — оборудование, дата-центры и энергия — останется дольше.

В одном из романов братьев Стругацких прогрессоры пытались ускорить развитие общества, но не всегда могли предвидеть последствия. Люди, которые сегодня делают ИИ массовым и доступным, не оказываются в похожем положении? Есть ли граница, за которой успех вашей работы может сделать мир хуже?

Для ответа на этот вопрос уже недостаточно компетенций исключительно технолога. Мы хорошо научились измерять производительность моделей, скорость ответа и стоимость вычислений. Но гораздо хуже понимаем, как постоянное взаимодействие с ИИ меняет самого человека: его внимание, память, способность учиться, самостоятельно принимать решения.

Поэтому ответы нужно искать не только внутри компьютерных наук. Они находятся на стыке технологий, психологии, нейрофизиологии, педагогики, социологии и этики. Нам важно понимать не только то, что может модель, но и то, какие способности приобретает или утрачивает человек, постоянно работающий вместе с ней.

В этом смысле сравнение с прогрессорами справедливо. Технология развивается быстрее, чем наше понимание ее последствий. Поэтому технологические компании не смогут в одиночку решить, как именно она должна менять нашу жизнь. Это должен быть разговор между инженерами, учеными и обществом. Всем вместе предстоит определить смысл этого ускорения: какие процессы стоит менять, какие решения можно передать машине и за что должен продолжать отвечать человек.