Обрыв — это не один гигантский провал
Пересмотренный тезис Дэвида Шапиро об automation cliff звучит убедительно: это не единый экономический коллапс, а каскад отдельных падений, происходящих по одному value stream за раз. Изначально он прогнозировал широкую точку перегиба к 2030 году, но теперь уточняет, что вытеснение рабочей силы ускоряется не во всей экономике, а в конкретных бизнес-функциях. Обрыв реален; просто его наступление более фрагментарно.
Различие между рабочим процессом (workflow) и потоком создания ценности (value stream) имеет решающее значение. Workflow представляет собой процесс, ориентированный на сотрудника — например, очередь тикетов от клиентов. Однако value stream — это глубинный бизнес-результат: обеспечение того, чтобы каждый клиент получил ответ. Автоматизация нацелена именно на этот более глубокий, ориентированный на результат уровень.
Эта цифровая точность объясняет внезапные и масштабные сдвиги, которые мы наблюдаем. Шапиро, бывший инженер по автоматизации инфраструктуры, отмечает, что такие инструменты, как Terraform, позволяют инженерам масштабироваться с 10 до 10 000 серверов, изменив всего одно число в одном файле. Amazon, например, в 2011 году развертывал новый код каждые 11,6 секунды, обновляя 30 000 серверов одновременно в пиковые моменты.
Этот принцип arbitrary scalability означает, что как только процесс цифровой автоматизации начинает работать надежно, его развертывание может перейти от тестирования к огромному масштабу практически мгновенно. Обрыв — это не пологий склон; это внезапное падение для каждого доведенного до совершенства value stream.
Когда очередь исчезает за одну ночь
Автоматизация сжимает временные рамки труда с такой внезапностью, что традиционное управление проектами становится устаревшим. Взгляните на Министерство труда и пенсий Великобритании: 12 программных роботов разобрали завал из более чем 30 000 пенсионных заявок всего за две недели. Это не постепенное улучшение; это мгновенное удаление целой очереди.
Airbnb столкнулась с аналогичным ускорением во время миграции тестовых файлов с помощью AI. Инженеры оценивали, что ручная работа займет 18 месяцев, однако AI выполнил 75% задачи за четыре часа. Это быстрое сжатие, поддерживаемое проверкой со стороны человека и инженерным надзором, подчеркивает способность AI сокращать сроки с лет до часов.
AI-ассистент Klarna еще лучше иллюстрирует этот «ночной» сдвиг. За первый месяц он обработал 2,3 миллиона диалогов с клиентами. Klarna приписывает это эквиваленту работы 700 штатных агентов, при этом среднее время ответа сократилось с 11 минут до менее чем двух. Это не просто эффективность; это фундаментальное переосмысление customer service capacity.
Общая черта здесь — не постепенный прирост, а discontinuous transformation. Когда рабочий процесс или value stream полностью автоматизированы, спрос на человеческий труд в этой конкретной области не снижается — он исчезает. Это не медленный спад; это cliff event, повторяющийся в разных отраслях, процесс за процессом.
Доказательства реальны — и они сложнее, чем рекламные обещания
Доказательства обрыва реальны — и они сложнее, чем рекламные обещания. Сигналы с рынка труда становятся все более неоднородными, а не просто мрачными. Занятость в колл-центрах и службе поддержки упала, сократилось количество вакансий для фрилансеров-копирайтеров и программистов, а работодатели все чаще упоминают AI в объявлениях об увольнениях.
Важно отметить, что совокупные тенденции занятости не позволяют однозначно назвать AI единственной причиной. Чрезмерный наем в эпоху пандемии, процентные ставки и забастовки также повлияли на недавние сокращения. Даже «AI-washing» — когда AI обвиняют в заранее запланированных увольнениях — может искажать данные, как заметил сам Сэм Альтман.
Надежность автоматизации также представляет собой серьезное препятствие. Например, австралийский Commonwealth Bank сократил 45 рабочих мест в колл-центре после внедрения голосового бота, но уже через несколько недель отменил это решение, признав, что эти рабочие места вовсе не были избыточными. Аналогично, компания Klarna, которую поначалу хвалили за ИИ-помощника, вскоре вновь сосредоточилась на human support, а ее генеральный директор назвал это «VIP-обслуживанием» после того, как качество работы снизилось.
Эти откаты подчеркивают, насколько сложно достичь последовательных «девяток» в надежности. Как отмечает соучредитель OpenAI Андрей Карпатый, демо-версия, работающая в 90% случаев, — это «только первая девятка». Достижение уровня 99% или 99,9% — того типа perfect automation, который мы видим в таких инструментах, как Terraform (дополнительная информация об инфраструктуре как коде: Introduction to Terraform - HashiCorp Developer) — требует значительных усилий. Некоторые потоки создания ценности достигнут своего предела через месяцы, другие — через годы.
Нравится статья? Получайте такие каждое утро на почту.
одно письмо в день · отписка в два клика · без сторонних трекеров
Скрытый сдвиг: рабочие места, которые так и не появляются
Национальная статистика, будучи агрегированной и сглаженной, может легко скрыть резкие, локализованные последствия автоматизации. Каждый value-stream cliff наступает по своему собственному графику; вытеснение часто проявляется как тихая текучесть кадров или отложенный наем, а не как публичные увольнения. Этот скрытый сдвиг маскирует истинные темпы изменений.
Федеральная резервная система недавно сообщила, что фирмы в пяти из двенадцати округов сократили штат за счет текучести кадров или отложенного найма после инвестиций в ИИ. В то же время исследование Стэнфордского университета выявило 11-процентное падение занятости среди молодых работников (в возрасте 22-25 лет) в профессиях, наиболее подверженных влиянию ИИ, с конца 2022 года, в то время как их сверстники на менее подверженных влиянию ролях показали рост на 10%. Корреляция не означает причинно-следственную связь, но сигнал ясен.
Это подводит нас к концепции post-labor economics Дэвида Шапиро: если машины выполняют больше работы, заработная плата, привязанная исключительно к human work, будет сокращаться. Критические вопросы тогда смещаются в сторону владения и более широкого распределения богатства. Шапиро прогнозирует этот фундаментальный экономический пересмотр в течение следующих пяти лет — график, который требует нашего срочного внимания.
Часто задаваемые вопросы
Что Дэвид Шапиро подразумевает под «обрывом автоматизации» (automation cliff)?
Задача или поток создания ценности могут оставаться под управлением человека до тех пор, пока автоматизация не станет надежной, а затем быстро переходят на программное обеспечение в масштабе.
Почему Шапиро говорит, что существуют тысячи «обрывов автоматизации»?
Компании автоматизируют отдельные рабочие процессы и бизнес-результаты с разной скоростью, а не заменяют всю работу сразу.
Всегда ли автоматизация на базе ИИ приводит к сокращению рабочих мест?
Нет. Она может сократить наем или объем работы без увольнений, и некоторые компании отменяли сокращения, когда качество автоматизированного обслуживания оказывалось недостаточным.
Что такое поток создания ценности (value stream)?
Поток создания ценности — это сквозная работа, которая создает результат, ценный для клиентов или бизнеса, выходящий за рамки индивидуального рабочего процесса сотрудника.