В интервью Александру Соколовскому сооснователь Skyeng и ИИ-поисковика Explee Харитон Матвеев заявил, что сегодня ИИ почти не участвует в создании мировой экономики. Мы вместо вас посмотрели подкаст и выбрали самые главные тезисы про ИИ.
Сегодня реальный вклад ИИ в экономику всё ещё близок к нулю. Матвеев предлагает отделять инфраструктурный бум от реального эффекта применения технологии.Строительство ЦОДов и производство GPU - это пока подготовка. Если посмотреть на еду, транспорт, одежду, услуги и большую часть физической экономики, роль ИИ в их создании пока минимальна.
Самая важная метрика - сколько времени ИИ может работать без человека. Раньше агент мог самостоятельно решать задачу секунды или минуты. Затем - десятки минут и часы.Если динамика сохранится, следующим этапом станет ИИ, которому задачу дают утром, а он возвращается вечером или через несколько дней с готовым результатом.Пока человек каждые пять минут должен проверять модель, это инструмент. Когда она способна выполнять длинную цепочку действий сама - это уже самостоятельная производственная единица.
В какой-то момент бизнес захочет отдать ИИ почти всю работу. Сегодня агенты требуют контекста, контроля и постоянных исправлений. Но представьте систему уровня лучшего сотрудника, которая работает лучше, дешевле и способна выполнить процесс от начала до конца.В этот момент вопрос меняется с «что автоматизировать?» на «что вообще оставить человеку?». И тогда главным ограничением станут вычисления.
Чипы и энергия могут стать главным дефицитом ИИ-экономики. Если компании захотят передать ИИ значительную часть задач мировой экономики, ресурсов просто не хватит.Отсюда один из главных тезисов Матвеева: компьютер становится новой валютой. Раньше ключевым производственным ресурсом был человеческий час. В мире массового ИИ всё большую ценность получает час работы вычислительной системы.
И здесь же возникает вопрос технологического суверенитета: есть ли у страны доступ к чипам, энергии и инфраструктуре.
Токены могут дешеветь, а GPU — дорожать. Простые задачи становятся дешевле: маленькие модели делают то, для чего раньше требовались большие, эффективность вычислений растёт. Но одновременно увеличивается число задач, которые выгодно отдавать ИИ. Поэтому стоимость одной операции может снижаться, а стоимость самого вычислительного ресурса - расти.
Следующая проблема - кому достанется сверхприбыль от автоматизации. Матвеев приводит пример роботакси.Если компания заменяет водителей автономными машинами, значительная часть стоимости человеческого труда превращается в прибыль владельца технологии. По его мнению, государствам, вероятно, придётся часть такой сверхприбыли изымать и перераспределять. Причём вопрос шире простого базового дохода.
ИИ обучен на огромном объёме накопленного человеческого знания: научных работах, коде, медицинских данных, отзывах, миллиардах человеческих решений и ошибок. Поэтому возникает вопрос: кому вообще принадлежит экономический эффект от этого коллективно созданного знания?
Матвеев не считает AI-бум прямым повторением доткомов. Во время доткомов строили инфраструктуру, которая затем годами простаивала. С GPU ситуация пока другая: вычислительные мощности практически сразу находят клиента, а спрос в ряде случаев значительно превышает предложение. Это не значит, что акции AI-компаний не могут быть переоценены. Но переоценённая компания и ненужная технология — разные вещи.
Главная мысль разговораМы всё ещё обсуждаем ИИ в терминах моделей: кто умнее и кто лучше пишет код. Но следующий вопрос другой: кто владеет вычислениями, кто получает прибыль от автоматизации и как эта прибыль будет распределяться между теми, кого ИИ вытесняет.
AI для бизнеса в Telegram | в MAX
