Главное про AI - Вадим Жартун
Исследовательская группа METR (Model Evaluation and Threat Research) в марте 2025 года опубликовала работу «Measuring AI Ability to Complete Long Tasks». Они замеряли не точность модели на тесте, а длину задачи, с которой AI справляется хотя бы в 50% случаев.
Цифра получилась впечатляющая: с 2019 года этот «time horizon» — сколько часов работы специалиста модель закрывает автономно — растёт экспоненциально, с удвоением примерно каждые семь месяцев. В 2019 году модели закрывали задачу длиной в секунды. К 2025-му заговорили про дни. Если экстраполировать тренд, к 2030-му модель сможет закрыть задачу, на которую у человека уходит месяц работы.
Важная оговорка: это горизонт для инженерных и смежных задач, то есть для тех, которые можно проверить автоматически. В гуманитарных и физических областях тренд слабее, но направление то же.
OpenAI в сентябре 2025 года выпустила бенчмарк GDPval (Generalized Deep Validation; бенчмарк OpenAI для оценки реальных рабочих задач) — попытку измерить, как модели справляются не с абстрактной задачей из олимпиады, а с реальной работой, за которую платят зарплату. Бенчмарк покрывает 44 профессии из 9 секторов экономики: от разработчика и юриста до медсестры и инженера-механика. Каждая задача — конкретный артефакт, который профессионал должен сделать за день-два: юридический меморандум, чертёж, диагностический отчёт. В первой волне GPT-5.2 Thinking выигрывает или делит победу против живого специалиста в 70,9% случаев, но не по «зрелищности», а по качеству артефакта. В прошлом году этот же бенчмарк был бы проигран. В позапрошлом — модели не справились бы с половиной задач даже близко. Важный нюанс: «выигрыш» здесь — это когда эксперт не отличает работу модели от работы человека. Это не значит, что модель лучше. Это значит, что граница сравнения сместилась: человек больше не «по умолчанию» лучше.
КАК МАММОГРАФИЯ НАМЕТИЛА СДВИГ В РОЛИ AI
Масштаб этого сдвига виден на одном показательном примере, который мы уже разобрали выше: в связке с рентгенологом AI находит на 29% больше злокачественных опухолей и сокращает нагрузку на 44%. Это пример той самой «тихой революции», когда граница не «перепрыгнула» через рентгенолога, а сдвинулась так, что спор «AI или человек» потерял смысл. Вопрос теперь — кто с AI работает лучше, а не кто из них двоих лучше.
В июле 2024 года DeepMind (лаборатория ИИ Google) показала AlphaProof: систему, которая решила четыре из шести задач Международной математической олимпиады на уровне серебряной медали. Это был сигнал — модель может рассуждать в формальной математике, а не только «выглядеть умной» в диалоге. В январе 2026 та же команда показала AlphaGeometry-2, решающую геометрические задачи олимпиадного уровня за минуты. В ноябре 2025 в Nature вышел разбор системы: AlphaProof обучился с подкреплением на формальных доказательствах, перебирая свои попытки и награждая удачные. За восемнадцать месяцев система прошла путь от «сложно, но перспективно» до «серебро международной олимпиады». Если в 2023-м я бы сказал читателю, что у AI на олимпиаде по математике нет шансов, это была бы правда. В 2024-м — полуправда. В 2026-м — откровенная ложь.
МАРКЕРЫ СДВИГА ГРАНИЦЫ В ВАШЕЙ ПРОФЕССИИ
1: AI-native конкурент продаёт тот же продукт в три-пять раз дешевле. Это значит, что цена «человеческого» сервиса обвалится через один-два года у тех, кто не перешёл на связку.
2: Джуниор-позиции сокращаются быстрее, чем сеньор-позиции. Это значит, что AI забирает «вход» в профессию. По данным ADP Research / Стэнфорд, в профессиях, наиболее затронутых AI, занятость работников 22–25 лет снизилась на 6%, а работников 30+ выросла на 6–13%.
3: Профильный вуз меняет программу: добавляются курсы по работе с AI, убираются курсы по ручным навыкам.
4: На профильных конференциях обсуждение сместилось с «заменит ли AI» на «как перестроить процесс».
5: В трекере задач, CRM или почте появился встроенный AI-ассистент, который сам предлагает следующий шаг.
ТРАЕКТОРИЯ ГРАНИЦЫ НА БЛИЖАЙШИЕ ДВА-ТРИ ГОДА
Полная автоматизация клиентской поддержки уровня первой линии (L1 — первичное обращение клиента). McKinsey, Gartner и Forrester единодушны: к 2029 году 80% и более обращений в поддержку крупных компаний будут закрываться AI без перевода на человека. Это уже не вопрос технологии, а вопрос внедрения.
Юридические и проверки соответствия требованиям в регулируемых отраслях. Банки, страховые, фарма: AI будет закрывать 70% и более первичного скрининга соответствия требованиям. Юристы в этих отраслях сместятся в зону сложных казусов и переговоров.
Первичный медицинский скрининг и телемедицина. В странах с дефицитом врачей AI-скрининг уже заменяет первичный осмотр в 30% и более случаев. Тренд усилится.
КОГДА AI ОШИБАЕТСЯ, НО ЭТО ДОПУСТИМО
В разделе 3 мы зафиксировали, что граница сдвигается, и для читателя важно не отстать. Но в практике ежедневной работы вопрос стоит жёстче: «вот эту задачу отдавать AI или нет» — и ответ зависит не от скорости сдвига, а от цены ошибки. Этот раздел отвечает именно на этот вопрос.
Слабый аргумент, который часто звучит в рабочих дискуссиях: «AI ошибается, значит, его нельзя использовать». Это слабое возражение, потому что в задачах, где AI заменяет человека, человек тоже ошибался — и часто чаще. Юрист по патентам промахивается в 15% случаев, когда ищет прецеденты. Оператор поддержки ошибается в 11% обращений. Радиолог пропускает 5–15% паттернов на маммографии в зависимости от усталости. AI в этих же задачах ошибается в 3–10% случаев — стабильно, без усталости, без эмоций. Математика сходится в пользу AI, если цена ошибки не катастрофическая.
Этот кейс не одинок. Ровно тот же вывод даёт прогноз Gartner на 2029 год по автоматизации клиентской поддержки (мы разбирали его в разделе про сдвиг границы): 80% и более обращений в поддержку крупных компаний будут закрываться AI без перевода на человека. Те же 88% организаций из отчёта McKinsey, что мы цитировали выше, распределяются по функциям так: 56% приходится на клиентскую поддержку. Это не лень руководителей. Это простая математика: AI ошибается, но средний оператор поддержки тоже ошибается. Исследования Microsoft Research по контакт-центрам показывают: средний процент ошибок при обработке типовых запросов у живого оператора в конце смены — от 8% до 12%. У