[225]. Судя по всему, происходит следующее. Фирмы избавляются от работников, когда испытывают экономическое давление. Затем, по мере углубления экономического спада, они осваивают новые технологии и реорганизуют рабочие места. Впоследствии, когда экономика восстанавливается, они понимают, что могут обойтись без возвращения всех или почти всех работников, которых прежде считали необходимыми для своей деятельности. Судя по глубине нынешнего спада, большая часть частных предприятий будет испытывать экономическое давление, побуждающее наращивать эффективность, и чем дольше продлится кризис, тем больше у них будет времени на включение в бизнес-модели новых технологий, в том числе с использованием искусственного интеллекта.
Помимо чисто экономического стимула для освоения новых технологий текущий кризис — и в этом его уникальность — принес с собой еще один повод для автоматизации рабочих мест. Как мы видели в главе 3, необходимость социального дистанцирования уже привела к роботизации разных сфер. Так, мясоперерабатывающие заводы в США и во всем мире постоянно становятся очагами заражения вирусной инфекцией из-за того, что сотни, а то и тысячи рабочих на них трудятся рядом друг с другом. В подобных условиях неизбежно повышение уровня автоматизации с целью снижения плотности размещения работников[226]. Это крайний случай, но нечто подобное происходит практически в любой производственной среде, от заводов и складов до розничных магазинов и офисов. Замена работников роботами напрямую приводит к уменьшению числа людей, находящихся в непосредственной близости. Предприятия сферы услуг видят маркетинговое преимущество в сведении к минимуму личного взаимодействия, которое всего несколько месяцев назад считалось позитивным, а не негативным фактором. Эта тенденция уже наблюдается. В июле 2020 года сеть закусочных White Castle объявила, что начинает использовать роботов для приготовления гамбургеров с целью «уменьшения контактов человека с пищей в процессе приготовления и сокращения возможностей передачи патогенов»[227]. Долгосрочное влияние этих факторов будет в определенной степени зависеть от продолжительности кризиса. Сейчас, когда я это пишу, представляется вероятным, что ситуация сохранится достаточно долго для изменения хотя бы некоторых предпочтений покупателей и, возможно, для превращения их в привычку.
Влияние искусственного интеллекта на рабочие места вряд ли будет походить на примитивный сюжет о роботах, отнимающих работу у людей. Исследования показали, что в большинстве случаев отсутствует однозначная взаимосвязь между внедрением новой технологии и существующими рабочими местами. Наиболее страдают от автоматизации определенные задачи, а не целые профессии. Авторитетный анализ McKinsey Global Institute 2017 года показал, что примерно половина задач, в настоящее время выполняемых работниками в мире, в принципе можно автоматизировать с помощью имеющихся технологий. В анализе отмечается, что только 5 % работ уже сегодня грозит полная автоматизация, однако «примерно в 60 % профессий не менее трети составляющих задач могут быть автоматизированы, что предполагает существенную перестройку рабочих мест и серьезные изменения для всех работников»[228]. Раз можно автоматизировать существенную долю действий, осуществляемых двумя работниками из трех, значит, есть явный потенциал переопределения границ между рабочими местами и консолидации оставшихся работ. Очень вероятно, что для многих организаций экономическое давление наряду с необходимостью снизить плотность размещения людей на рабочих местах станет веской причиной пересмотреть и реорганизовать рабочую среду, и движение в этом направлении усилится, когда появятся намного более эффективные приложения на основе новейших достижений в области глубокого обучения. В большинстве случаев это повлечет за собой исчезновение части рабочих мест — причем таких, которые занимают работники с разной квалификацией и подготовкой.
Кроме прямой автоматизации работ и задач, важной силой является снижение требований к квалификации персонала. Иными словами, внедрение новых технологий позволяет нанять на должность, в прошлом требовавшую высокой квалификации и опыта, хуже оплачиваемого работника с минимумом подготовки или заменяемого независимого подрядчика, участника гиг-экономики. Классическим примером служат водители знаменитых «черных кебов» — лондонских такси. Прежде, чтобы получить лицензию таксиста, необходимо было запомнить наизусть практически все городские улицы; этот утомительный процесс назывался приобретением «Знания с большой буквы». Изучение улиц требовало колоссального труда. Элеанор Макгуайр, нейробиолог из лондонского Юниверсити-колледжа, обнаружила, что гиппокамп — область головного мозга, связанная с долгосрочной памятью, — у лондонских таксистов в среднем больше, чем у представителей других профессий[229]. Необходимость приобретения «Знания с большой буквы» традиционно служила барьером для входа в профессию и гарантировала лондонским таксистам солидную, на уровне среднего класса, оплату труда. Ситуация резко изменилась с появлением GPS и приложений-навигаторов для смартфонов. Теперь водители, совершенно не знающие Лондона, но имеющие смартфон, могут напрямую конкурировать с «традиционными» таксистами. Давление со стороны сервисов по поиску пассажиров и других альтернатив такси также оказало сильное негативное воздействие на доходы лондонских таксистов. В общем, деквалификация работы приводит к снижению заработной платы, поскольку позволяет выполнять ее людям, почти или совершенно не имеющим подготовки или опыта. Одновременно повышается взаимозаменяемость работников. Это, в свою очередь, делает фирмы терпимыми к высокой текучести кадров и еще больше подрывает переговорную силу работников. С усилением автоматизации и деквалификации можно с полным основанием ожидать роста неравенства и перераспределения плодов инноваций в пользу тех, кто находится на верхушке пирамиды доходов.
Эти тенденции в области технологий будут переплетаться с другими последствиями пандемии. Например, массовый перевод квалифицированных профессионалов на удаленную работу уничтожил деловые экосистемы, существовавшие в кварталах офисных зданий. Очень вероятно, что переход к дистанционной работе станет в определенной мере постоянным. Например, Facebook уже объявила, что многие ее сотрудники могут при желании остаться на удаленке навсегда[230]. В некогда оживленных деловых кварталах занятость в ресторанах, барах и других предприятиях по обслуживанию офисного планктона может так и не восстановиться. Пострадает и персонал, занимавшийся уборкой и обслуживанием офисов, а также охраной. Второй ключевой фактор — вероятное банкротство большой доли мелких фирм, преобладающих среди работодателей подобного персонала. По некоторым данным, до половины мелких предприятий, вынужденных закрыться в разгар пандемии, могут не открыться[231]. В конечном итоге доля рынка, когда-то принадлежавшая этим предприятиям малого бизнеса, будет занята крупными, более устойчивыми розничными и ресторанными сетями. Однако, поскольку крупные компании имеют больше финансовых возможностей и собственных специалистов, они гораздо лучше подготовлены к внедрению трудосберегающих технологий. Иначе говоря, растущее доминирование крупных предприятий на рынке может стать фактором ускорения как автоматизации, так и деквалификации рабочих мест в сфере обслуживания. Существует совершенно реальный риск того, что сочетание этих факторов серьезно ударит по восстановлению низкооплачиваемой занятости в сфере обслуживания — локомотива создания рабочих мест в США в последние годы. Это может еще больше затруднить устойчивое восстановление после нынешнего кризиса.
Грядущая автоматизация офисных рабочих мест… И почему поголовное обучение написанию кода не поможет
При мысли об автоматизации обычно представляются промышленные роботы, которые работают на заводах или складах. Принято считать, что если для низкооплачиваемых и малообразованных синих воротничков новые технологии представляют неотвратимую угрозу, то специалисты, имеющие хотя бы степень бакалавра, — иными словами, все, кто работает главным образом головой, а не руками, находятся в относительной безопасности. В действительности, однако, представители умственного труда, в особенности занимающиеся относительно рутинным анализом, обработкой, сбором или передачей информации, оказываются под ударом по мере развития искусственного интеллекта и все более широкого его применения.
Во многих случаях профессионалы, чья работа связана с информацией, даже активнее вытесняются новыми технологиями, чем менее образованные работники, занятые физическим трудом. Дело в том, что для автоматизации этих работ не требуются дорогостоящее оборудование и решение таких сложных задач, как машинное зрение или ловкость роботов. Чтобы автоматизировать многие функции, на которые тратят свое рабочее время белые воротнички, достаточно эффективного программного обеспечения. Дополнительным стимулом к тому, чтобы избавиться от этих сотрудников, служит тот факт, что они обычно получают намного больше тех, кто занят ручным трудом. Как мы уже говорили, почти половина недавних выпускников колледжей является частично занятой в определенной мере из-за влияния технологий на должности начального уровня с относительно более рутинными производственными задачами, которые традиционно представляют собой первую ступень на лестнице профессионального успеха.
Хотя наибольшему риску по-прежнему подвергаются самые однообразные занятия, важно понимать, что грань между теми задачами, которые можно автоматизировать, и теми, которые вроде бы застрахованы от этой опасности, подвижна. Постоянное ее сдвигание по мере развития искусственного интеллекта ставит под удар все больше профессий. Раньше для автоматизации деятельности, основанной на знаниях, программист должен был написать пошаговую процедуру, однозначно сформулировав каждое действие и решение. Это ограничивало программную автоматизацию самыми банальными и повторяющимися действиями, как правило, из офисной сферы, такими как ведение бухгалтерии или учет кредиторской и дебиторской задолженности. Однако благодаря развитию машинного обучения современные алгоритмы фактически могут сами для себя писать компьютерные программы, перелопатив огромные комплексы данных и обнаружив закономерности и взаимосвязи, нередко невидимые непосредственно. В этом и состоит суть машинного обучения — оно превращает задачи, когда-то казавшиеся принципиально нерутинными, в доступные для автоматизации.