Еще одна тенденция, ведущая к неравенству, – смещение технического прогресса в пользу квалифицированного труда. Оно несоразмерно повышает заработок высокообразованных людей и может снизить зарплату малообразованных. Появление компьютеров и интернета стало основной причиной различий в оплате труда в США и Европе за последние 40 лет. Как сформулировали экономисты Клаудиа Голдин и Лоуренс Кац, «образованные люди с развитыми врожденными способностями быстрее осваивают новые сложные инструменты»
[172]. Нет смысла надеяться, что с ИИ все получится иначе: человеку с хорошим образованием проще приобрести новые навыки. И если необходимые для работы с ИИ навыки станут часто меняться, образованные люди получат колоссальные преимущества.
Дополнительные знания для успешного применения ИИ понадобятся по многим причинам. Например, разработчику функции вознаграждения необходимо одновременно знать цели организации и способности машин. Они эффективно масштабируются, и, если это дефицитный навык, лучшие разработчики извлекут прибыль из миллионов или миллиардов машин.
Именно потому, что сейчас связанные с ИИ навыки достаточно редки, процесс обучения людей и компаний будет дорогостоящим. В 2017 году более тысячи из семи тысяч студентов Стэнфордского университета поступили на вводный курс машинного обучения, такая же тенденция прослеживается практически везде. Но выпускники Стэнфорда и других подобных учебных заведений – лишь небольшая часть рабочей силы. Основная доля современных специалистов обучалась десятки лет назад и, следовательно, нуждается в переподготовке и повышении квалификации. Наша производственная система обучения для этого не годится. Компаниям не стоит надеяться, что система изменится достаточно быстро и обеспечит всех работниками для успешной конкуренции в эпоху ИИ. Изменить политику не так просто: улучшение образования обходится дорого и кто-то должен за него заплатить – значит, либо повысят налоги, либо компании или студенты станут оплачивать обучение. Даже если такие расходы покрыть несложно, не все люди среднего возраста захотят вернуться к обучению. Больше всего от смещения технического прогресса в пользу квалифицированного труда пострадают те, кто не готов к непрерывному образованию.
Отойдет ли весь контроль нескольким гигантским компаниям?
Развитием ИИ обеспокоены не только частные лица. Многие компании опасаются отстать от конкурентов в безопасности и использовании ИИ, отчасти из-за связанной с ним экономии за счет роста масштабов производства. Больше клиентов, следовательно, больше данных, что повышает точность прогнозов, а это, в свою очередь, привлекает еще больше клиентов, – и так по кругу. При определенном стечении обстоятельств прорыв в производительности ИИ конкурентам уже не нагнать. В нашем мысленном эксперименте с прогнозированием покупок Amazon (см. главу 2) масштаб и преимущество первого хода с большой вероятностью приводят к такой прогностической точности, что конкуренты навсегда остаются далеко позади.
Не впервые новые технологии создают возможность развития для крупных компаний. AT&T более 50 лет контролировала телекоммуникации в США, в 1990-х и 2000-х Microsoft и Intel были монополистами в области IT. Не так давно Google опередила все поисковики, а Facebook – социальные сети. Эти компании сильно разрослись, поскольку их основные технологии позволили им снизить издержки и повысить качество. В то же время у них появились конкуренты, несмотря на экономию за счет роста: Apple и Google у Microsoft, AMD и ARM – у Intel и множество компаний у AT&T. Технологические монополисты сменяют друг друга из-за процесса, который Йозеф Шумпетер
[173] назвал «бурей созидательного разрушения».
Что касается ИИ, экономия за счет масштаба благоволит к расширению деятельности. Но это не значит, что доминировать станет одна компания и (даже если такое произойдет) продержится на рынке долго. Для мирового масштаба это еще актуальнее.
Экономия с применением ИИ влияет на все сферы по-разному. Если у вас состоявшаяся и давно существующая компания, то ее успех, по всей видимости, не связан с точностью прогнозов. Возможности и ресурсы, которые делают ее ценной сегодня, не утратят значимости после внедрения ИИ. Например, он только укрепит возможности авиакомпании в предоставлении индивидуального обслуживания пассажирам, а заодно поможет оптимизировать продолжительность полета и цены. При этом нельзя гарантировать, что даже самый лучший ИИ даст авиакомпании преимущества, с которыми она обойдет всех конкурентов.
В технологической сфере в результате экономии за счет роста масштабов могут стать доминирующими несколько компаний, чей бизнес полностью основан на ИИ. Но, говоря о масштабе, какой мы подразумеваем размах?
Однозначного ответа на этот вопрос не существует, и по поводу ИИ у нас точного прогноза также нет. Но специалисты изучали экономию за счет роста масштаба важной составляющей ИИ – данных. Хотя есть много причин, объясняющих, почему Google принадлежит 70 % рынка в США и 90 % в Евросоюзе, главная состоит в том, что у нее больше данных для обучения поискового инструмента ИИ, чем у ее конкурентов. Google собирала данные много лет. Более того, доминирующая доля рынка создает круг оборота данных, по масштабу недоступный остальным. Если масштаб данных несет преимущества, у Google они есть.
Двое экономистов, Лесли Чу и Кэтрин Такер, изучали поисковые машины, использующие преимущества разницы в методах удерживания данных
[174]. В ответ на рекомендации Евросоюза 2008 года Yahoo и Bing уменьшили объем хранимых данных, а Google этого не сделала. Чу и Такер измерили влияние масштаба данных на точность поиска: что интересно, он не сыграл особой роли. По сравнению с общим объемом данных, используемым основными конкурентами, меньший объем не оказывал негативного влияния. Любой возникший эффект был настолько мал, что не имел никаких последствий и уж точно не давал конкурентного преимущества. Это позволяет предположить, что данные за прошедший период не так важны, как представляется многим, вероятнее всего, потому, что в мире все меняется очень быстро.
Но здесь стоит сделать важную оговорку: целых 20 % ежедневных результатов поиска Google заявлены как уникальные
[175]. Это дает Google преимущества «длинного хвоста» редких запросов. В отношении данных преимущества масштаба не очень заметны в обычных ситуациях, но на таких высококонкурентных рынках, как поиск, даже небольшие плюсы редких запросов позволяют увеличить долю.
