Благодаря появлению ChatGPT и росту популярности других инструментов генеративного ИИ бизнес во многих отраслях стал всерьез рассматривать внедрение этой технологии для повышения производительности и снижения затрат. Но, пишут в статье авторы исследования, до сих пор никто не пытался дать по-настоящему точные оценки потенциальных затрат на внедрение ИИ, возможной экономии на оплате труда и времени, которое уйдет на это. Например, в опубликованном в прошлом году отчете McKinsey оценки доли замещаемых ИИ задач составляют от 4 до 55%. Такой разброс не позволяет делать реальные прогнозы о трансформации рынка труда.
Чтобы оценить потенциальное воздействие ИИ на занятость более точно, специалисты MIT для своего исследования взяли лишь одну сферу ИИ-технологий — машинное зрение, когда распознавание изображений или объектов в видео осуществляется компьютером при помощи нейросетевых алгоритмов. Такие системы могут частично выполнять работу самых разных специалистов — от мерчендайзеров в супермаркете и складских работников до водителей и врачей-онкологов.
Для исследования методом онлайн-опроса собрали данные примерно о 1000 разных задач в 800 профессиях, которые технологически способен выполнять визуальный ИИ. Выяснилось, что такие задачи есть в 36% процентах профессий, представленных на рынке труда США (без учета сельского хозяйства).
Только 8% профессий включают хотя бы один тип деятельности, который будет экономически выгодно забрать у человека и передать ИИ.
Доля от общей суммы ФОТа в экономике, которая приходится на оплату потенциально замещаемой ИИ деятельности, оказалась крайне невелика — 1,6%. Ученые сопоставили суммы, которые сейчас получают работники за те или иные задачи, и затраты на внедрение для тех же задач систем машинного зрения. Оказалось, что при нынешней стоимости таких систем сэкономить получится лишь на 23% общего фонда оплаты «замещаемого» труда (или менее чем на 0,4% всей зарплаты в неаграрной экономике США). И возможности реализовывать такие проекты пока есть только у крупного и очень крупного бизнеса.
В качестве примера в статье приводится пекарня с пятью работниками. По оценке Бюро трудовой статистики США 6% работы пекаря приходится на оценку качества исходных продуктов — муки, яиц и т.п. Эту работу мог бы взять на себя искусственный интеллект, в результате при типичной зарплате пекаря $48 тыс. в год пекарня сэкономила бы за год $14 тыс. Разработать, внедрить и поддерживать систему компьютерного зрения для проверки муки и яиц было бы минимум на несколько порядков дороже, так что овчинка не стоит выделки. Кроме того, даже если бы ИИ-система стоила всего тысячу долларов, в большинстве профессий есть множество задач, для которых ее применение все равно было бы невыгодным.