[Перевод] Почему ИИ-агенты важнее всего остального

Команда AI for Devs подготовила перевод статьи о том, почему ИИ-агенты — самый важный элемент экосистемы ИИ прямо сейчас. Главная мысль: именно агенты способны выполнять полезную работу без участия человека, а значит — радикально изменить рынок интеллектуального труда и саму структуру экономики.

---

Когда люди говорят об ИИ, они часто сваливают в одну кучу самые разные вещи:

• Генеративные системы для создания изображений и видео

• Классические алгоритмы «машинного обучения»

• Ранжирование, поиск и рекомендательные системы (например, для лент в соцсетях)

• Языковые модели

• Чат-боты

• Модели распознавания речи

• Агенты

Из всего этого по-настоящему важны для будущего только «агенты» (то есть системы, которые «в цикле используют инструменты для достижения цели»).

Это не значит, что остальные виды ИИ не приведут к масштабным изменениям — приведут.

Принципиальное отличие ИИ-агентов в том, что они полностью убирают человека из контура, и это меняет всё.

Современные генеративные системы ИИ — чат-боты, генерация изображений и видео, рекомендации — по своей сути ориентированы на взаимодействие с конечным пользователем-человеком. Человек физически способен потреблять лишь ограничённое количество контента в день: сколько бы ни был хорош ИИ, в сутках всё равно только 24 часа — чтобы смотреть видео, читать ответы чат-ботов, генерировать новые изображения и так далее. Какими бы мощными и совершенными мы ни делали эти генеративные системы и классификаторы машинного обучения, спрос на их результаты в конечном итоге ограничен — людей не так много, и объём их внимания конечен. А вот ИИ-агенты этим глобальным лимитом человеческого внимания не связаны.

На самом деле ИИ-агентов ограничивает лишь объём «вычислений» — то есть денег, которые мы готовы на них тратить. При этом существует огромное количество областей, где спрос на интеллектуальный труд значительно превышает предложение. Буквально каждая открытая вакансия — это сигнал о том, что компания хочет платить за интеллектуальную работу, но в данный момент не может этого сделать.

Более того, оценка спроса по количеству вакансий серьёзно занижает реальный масштаб отложенной потребности в интеллектуальном труде. Из-за высокой стоимости найма и управления сотрудниками компании публикуют вакансии только для задач, которые критически важно закрыть. К тому же размещаются лишь те позиции, где найм экономически оправдан. Поскольку квалифицированный человеческий труд стоит дорого, существует ещё больше задач, под которые вакансии появились бы, если бы цена была ниже. И именно это вскоре начнёт происходить — по мере того как ИИ-агенты начнут реально работать.

О том, будут ли ИИ-агенты вообще работать, я писал в отдельном материале, так что давайте на время отложим этот вопрос в сторону (и предположим, что будут).

Тогда главный вопрос таков: как будет выглядеть мир, в котором ИИ-агенты действительно работают?

Как выглядит мир, в котором ИИ-агенты действительно работают

На самом деле у нас уже есть пример полезных ИИ-агентов — это агенты для программирования.

За последний год их возможности резко выросли: от инструментов, которые были лишь изредка полезны для небольших автономных скриптов, до систем, способных с нуля создавать полноценные небольшие проекты и сайты. Поскольку я сам работаю в этой области (мы разрабатываем собственную платформу для запуска агентов программирования — Sculptor), я наблюдал эту трансформацию с первого ряда, и прогресс оказался впечатляющим. Сегодня мы дошли до того, что наш дизайнер, который вообще не умеет программировать, с помощью этих инструментов сделал полный клон Geometry Wars — и, если честно, он получился лучше, чем некоторые из официальных продолжений (на прошлой неделе мы поиграли во всё подряд, сравнивая напрямую). Выручка у таких компаний, как Cursor и Lovable, за последний год взлетела — некоторые пользователи тратят на эти инструменты больше тысячи долларов в день, и ходят слухи о ещё более безумных суммах.

На примере агентов для программирования можно обобщить и понять, чего ждать от других ИИ-агентов, которые появятся в ближайшее время. Агенты для программирования хорошо работают потому, что их безопасно использовать. Если агент допускает ошибку и генерирует плохой код (а это случается часто), цена ошибки минимальна: код можно просто удалить, потеряв лишь несколько центов, которые стоила его генерация.

С высокой вероятностью агенты будут успешно применяться и в других областях с теми же свойствами: там, где результат легко проверить или где основная часть работы сводится к генерации правильной информации, а не к взаимодействию с реальным миром (что открывает больше возможностей для серьёзных ошибок). В краткосрочной перспективе такие задачи особенно хорошо подходят для агентов. Помимо программирования, сюда относятся подготовка исследовательских отчётов, презентаций, создание изображений с низкими требованиями к качеству, черновики писем, редактирование документов и фильтрация больших объёмов информации. А это огромная доля интеллектуального труда.

Агенты для программирования хороши ещё и тем, что реальность оказалась совсем не такой, как ожидали изначально. Наивное представление заключалось в том, что появится «полностью автоматизированный инженер-программист». Но всё пошло иначе. Вместо этого мы получили инструменты для живых инженеров, которые становятся всё более способными и покрывают всё более широкий спектр задач — и при этом стремительно дорожают.

Именно поэтому мы пока не видим серьёзного влияния агентов программирования на рынок труда. Потому что ИИ-агенты берут на себя лишь часть работы инженера-программиста, компании не могут просто «нанять» ИИ вместо человека. Вместо этого они тратят больше денег, чтобы повысить эффективность уже существующих сотрудников (что, возможно, даже выгоднее для бизнеса: более продуктивные инженеры означают меньше менеджеров и ниже накладные расходы).

Однако это не значит, что в долгосрочной перспективе ИИ-агенты никак не повлияют на занятость.

Мы уже видим, как компании начинают по-другому подходить к найму. Например, количество вакансий «frontend developer» сократилось почти на 10% по сравнению с прошлым годом, а в таких профессиях, как «фотограф» и «писатель», падение достигает почти 30% (источник). Дело не в том, что фронтенд-задач стало меньше, а в том, что современные агенты для программирования настолько хорошо справляются с такими задачами, что необходимость в отдельном сотруднике под эту роль заметно снизилась. Компании просто перестраивают набор ролей, которые они нанимают, чтобы воспользоваться новыми возможностями.

Что действительно настораживает — я легко могу представить ближайшее будущее, в котором компаниям станет рационально «нанимать» ИИ-агентов вместо сотрудников. Буквально вчера за обедом один из моих коллег оставил ноутбук на рабочем столе с запущенным агентом программирования, а сам пошёл играть в шахматы с другим членом команды. Сколько времени пройдёт, прежде чем агент сможет не просто работать в течение 30-минутного обеденного перерыва по инструкциям инженера, а начнёт сам формулировать эти инструкции и продолжит работать круглосуточно? Думаю, этот момент гораздо ближе, чем многим кажется.

Преимущества ИИ-агентов по сравнению с человеческими сотрудниками

И это возвращает нас к тому, почему ИИ-агенты важнее всех остальных видов ИИ вместе взятых: агенты — это ИИ-системы, которые выполняют полезную работу, и у них есть структурные преимущества по сравнению с человеческими сотрудниками.

В частности, у ИИ-агентов есть семь ключевых преимуществ.

1. Лучшего агента можно копировать бесконечно

В отличие от людей, как только в одного агента вносят улучшение, оно сразу становится доступным всем его копиям. Именно поэтому люди так часто переключаются между агентами для программирования: как только появляется более удачный вариант, логично сразу перейти на него и пользоваться улучшенной версией.

2. Агенты могут работать 24/7

В отличие от людей, агенты могут работать круглосуточно.

Им не нужно отдыхать, спать или есть. Они могут постоянно быть в работе или реагировать на запросы и изменения, происходящие в любой точке мира.

3. Агенты теоретически могут думать быстрее людей

В теории можно создать агентов, которые не только работают 24/7, но и просто думают быстрее своих человеческих аналогов.

Сейчас можно спорить о том, можно ли вообще сказать, что агенты «думают», но не подлежит сомнению, что, например, код они пишут быстрее людей — по крайней мере с точки зрения чистой скорости выдачи результата. Со временем, по мере роста качества этого результата, конкурировать с агентом-программистом по объёму и качеству работы за тот же промежуток времени может стать чрезвычайно сложно.

4. Минимальные накладные расходы на управление

В отличие от сотрудников-людей, ИИ-агентам не нужны менеджеры, чтобы обсуждать планы развития, проводить performance review или разбираться в их чувствах.

Более того, отсутствие такого оверхеда — одно из ключевых преимуществ агентов. Просто приятно иметь возможность сказать ИИ-агенту написать код, не задумываясь о его мотивации или интересах — потому что у него их нет.

Парадоксально, но это же иногда замедляет внедрение: человеческие менеджеры получают определённый статус и ощущение значимости от управления людьми, поэтому им сложнее сокращать команды — даже когда это было бы экономически рационально.

5. Агенты можно мгновенно масштабировать вверх и вниз

В отличие от людей, агентов можно почти мгновенно запускать и останавливать, и платить им нужно только тогда, когда они действительно работают. Это означает, что бизнес может, например, внезапно запустить 100 ИИ-агентов, чтобы очень быстро выполнить задачу, а затем полностью их отключить и прекратить расходы.

С людьми так не работает — им, как правило, не нравится, когда им перестают платить. Поэтому агенты особенно хорошо подходят для задач, где объём работы сильно колеблется.

6. Агенты не против жить в кошмарной тюрьме тотальной слежки

В отличие от людей, агентам всё равно, если за каждым их действием следят с мучительной детализацией. Это воспринимается как плюс по двум причинам.

Во-первых, бизнесу часто важны метрики и прозрачность, чтобы понимать, как идут дела. Многие компании ценят наблюдаемость и контролируемость процессов даже в ущерб реальной продуктивности (достаточно вспомнить, сколько времени люди тратят на заполнение отчётов о проделанной работе).

Во-вторых, это резко снижает риски. Если отслеживать каждое действие агента, ему гораздо сложнее, например, отмывать деньги или оставлять бэкдоры в коде. В какой-то момент, с точки зрения безопасности, может оказаться, что отказ от человеческих сотрудников — это просто best practice.

7. Агенты выгоднее с точки зрения налогов

Это звучит странно, но важно понимать: деньги, выплачиваемые людям, облагаются множеством налогов — налогом на фонд оплаты труда, социальными взносами, медицинским страхованием и так далее.

Расходы на агентов, напротив, полностью проходят как операционные затраты — себестоимость. Более того, часть таких расходов может быть отнесена к затратам на R&D, которые имеют ещё более льготный налоговый режим.

В итоге даже если человек и агент создавали бы ровно одинаковую ценность за одно и то же время, платить агенту всё равно было бы дешевле, чем платить человеку.

Куда мы движемся дальше

Поскольку у агентов так много преимуществ по сравнению с человеческими сотрудниками, у бизнеса возникает мощный стимул выполнять как можно больший объём работы с их помощью. Это и формирует отложенный спрос на полезных ИИ-агентов, а также колоссальное давление на стартапы и технологические компании — как можно быстрее создать надёжных и действительно полезных агентов. Даже если сегодня ИИ-агенты плохо справляются с конкретными задачами, делать ставку на то, что со временем они не станут лучше, — крайне рискованная стратегия.

Поэтому, хотя сейчас агенты в основном ограничены такими задачами, как программирование, где результат легко проверить и агенту не нужно по-настоящему действовать в реальном мире, в ближайшие годы стоит ожидать расширения спектра интеллектуальной работы, доступной агентам.

Постепенно мы начнём видеть, как агенты выполняют ограниченные действия вообще без человеческого надзора. Зачатки этого уже видны сегодня — например, в ИИ-агентах для низкорисковых и относительно простых задач: поддержки клиентов, первичной сортировки обращений в службу поддержки, ответов на письма. Пока более сложные случаи остаются за людьми, их работа может записываться и использоваться как обучающие данные для следующей версии агентов, которые шаг за шагом берут на себя всё более сложные задачи. Последние модели уже превзошли человеческий уровень на GDPval (наборе экономически ценных задач интеллектуального труда) — сколько времени пройдёт, прежде чем большая часть работы сможет выполняться полностью автоматически?

Именно такое медленное, но неуклонное наращивание возможностей и будет происходить в течение ближайших примерно десяти лет. ИИ-агенты пройдут путь от нынешнего зачаточного, неуклюжего и тривиального состояния к миру, в котором они будут обеспечивать, возможно, большую часть интеллектуального труда нашей цивилизации. Каждая новая способность, освоенная ИИ-агентами, навсегда выводит соответствующую деятельность из категории «экономически полезной работы, для которой нужен человек»¹ — как только один агент научился выполнять какую-то работу, можно создать почти неограниченное количество агентов, способных делать то же самое.

Именно поэтому ИИ-агенты в конечном счёте являются самым важным типом ИИ: у них есть потенциал взять на себя триллионы долларов интеллектуального труда, который сегодня выполняется в наших экономиках по чисто инструментальным причинам.

Идёт гонка за созданием систем, достаточно мощных для этого, и итогом целенаправленных усилий ближайшего десятилетия может стать мир, в котором офисный труд будет полностью трансформирован — или почти исчезнет (по крайней мере в привычном для нас виде). Ни один другой тип ИИ-систем не обладает сопоставимым потенциалом радикально перекроить общество, как ИИ-агенты, которые действительно работают.

Будут ли эти агенты работать на вас — или максимизировать прибыль какой-то компании?

Какое будущее мы строим, если ценность человеческого умственного труда стремится к нулю?

Даже если этот сценарий реализуется не за 10, а за 20 или 30 лет — какой мир мы оставляем своим потомкам?

Что нам стоит делать уже сегодня, чтобы подготовиться к этому будущему — или попытаться его предотвратить?

Это вопросы, над которыми стоит задуматься. И лучше раньше, чем позже.

Русскоязычное сообщество про AI в разработке

Друзья! Эту статью подготовила команда ТГК «AI for Devs» — канала, где мы рассказываем про AI-ассистентов, плагины для IDE, делимся практическими кейсами и свежими новостями из мира ИИ. Подписывайтесь, чтобы быть в курсе и ничего не упустить!

Источник