Мартин Форд - Роботы наступают

Кроме того, есть достаточные основания полагать, что многие из рабочих мест, предполагающих взаимодействие с машинами, будут существовать относительно недолго. Вспомним пример WorkFusion и то, как разработанные этой компанией алгоритмы машинного обучения постепенно автоматизируют все больше и больше видов работ, выполняемых фрилансерами. Подводя итог, приходится констатировать: если вам доведется работать в связке с интеллектуальной программной системой или под ее руководством, то — осознаете вы это или нет — вы сами научите ее всему, что вы знаете и умеете, и в конечном итоге она вас заменит.

Еще одно наблюдение: во многих случаях претендентов на рабочие места, связанные с взаимодействием с машинами, ждет горькое разочарование — как говорится, «будь осторожен в своих мечтах». Чтобы понять, о чем идет речь, давайте рассмотрим в качестве примера ситуацию, складывающуюся сейчас с раскрытием информации в области права. Когда корпорация становится участником судебного разбирательства, перед ней встает задача тщательного изучения огромного количества внутренней документации с целью поиска той, которая потенциально может иметь отношение к рассматриваемому в суде делу. По правилам эта информация должна быть в обязательном порядке передана другой стороне разбирательства. Даже малейшее несоблюдение этих правил влечет за собой серьезные правовые последствия. Одним из парадоксов эпохи электронной документации является то, что само число таких документов, в особенности в форме сообщений электронной почты, очень сильно выросло по сравнению с эрой печатных машинок и бумаги. Для работы с этим несметным числом документов юридические фирмы применяют новые методики.

Первый подход предполагает полную автоматизацию. Речь идет о так называемом ПО типа e-Discovery, в основе которого лежат мощные алгоритмы, способные анализировать миллионы электронных документов и автоматически отбирать среди них все, что имеет отношение делу. Эти алгоритмы не ограничиваются простым поиском по ключевым словам: зачастую в них применяются методы машинного обучения, которые могут находить в тексте необходимые концепты независимо от их формулировки {171}. Прямым следствием внедрения этого подхода стало исчезновение большого количества рабочих мест для юристов и их помощников, когда-то тративших все свое время на разбор бесконечных коробок с бумажной документацией.

Также получил распространение и другой подход: юридические фирмы передают работу по поиску подлежащей раскрытию документации специальным компаниям, которые нанимают толпы выпускников юридических факультетов. Все эти выпускники — жертвы лопнувшего «пузыря» в сфере юридического образования. Не имея возможности найти полноценную работу в качестве юристов — и часто изнывая под бременем неподъемных выплат по образовательным кредитам, — они нанимаются операторами по обработке документов. Каждый из них сидит перед монитором, на котором непрерывным потоком отображаются документы. Помимо документа на экране есть две кнопки: «Соответствует» и «Не соответствует». Несостоявшиеся юристы просматривают документ на экране и щелкают нужную кнопку. После этого появляется новый документ и т. д. {172}Бывает, что им приходится просматривать до восьмидесяти документов в час {173}. У этих молодых юристов нет никаких шансов оказаться в зале суда, научиться чему-то новому и добиться чего-то в профессии — никакого движения вперед. Вместо этого они вынуждены — час за часом — щелкать кнопки «Соответствует» и «Не соответствует» [34].

При сравнении этих двух конкурирующих подходов сразу встает вопрос о жизнеспособности модели, предполагающей взаимодействие компьютера и человека. Даже при относительно низкой оплате труда (по меркам юристов) таких сотрудников полностью автоматизированная обработка кажется куда более выгодной с точки зрения затрат. Что касается низкого качества этих рабочих мест, вы можете обвинить меня в том, что я намеренно выбрал не самый оптимистичный пример, чтобы сгустить краски. Но разве при взаимодействии с машинами люди не будут контролировать ситуацию, делая так, чтобы вся стоящая работа доставалась им, а не машинам? Разве они будут довольствоваться ролью простого винтика или шестеренки в работе большого механизма?

Главная проблема, возникающая при анализе этого радужного, но, скорее всего, далекого от реальности взгляда на будущее, заключается в том, что он противоречит имеющимся данным. В изданной в 2007 г. книге «Цифродробители» (Super Crunchers) профессор Йельского университета Йен Айрес ссылается на исследование, показывающее, что алгоритмические подходы демонстрируют более высокие результаты, чем люди, являющиеся экспертами в соответствующей области. Когда контроль над процессом доверяется людям, а не компьютерам, это почти всегда негативно сказывается на результатах. Даже когда эксперты заранее получают доступ к результатам работы алгоритмов, их выводы все равно оказываются хуже тех, к которым машины приходят самостоятельно. Таким образом, если говорить об участии людей в процессе, лучше всего доверять им задачи, связанные с предоставлением системе определенной информации, и не передавать им полный контроль. Как отмечает Айрес: «Появляется все больше данных в пользу другого, куда более унизительного, дегуманизированного механизма организации взаимодействия эксперта и [алгоритмических] средств» {174}.

Я хочу сказать, что даже если и существуют профессии, в которых человек и машина взаимодействуют на равных, то их относительно немного [35]и большинство из них недолго задерживаются на рынке труда. При этом во многих случаях такая работа не приносит удовлетворения и даже унизительна для человека. На этом фоне сложно найти аргументы в поддержку призыва помочь людям получить в будущем одно из таких мест, научив их необходимым методам работы, не говоря уже о том, что мы вряд ли сможем четко сформулировать, чему именно мы должны их научить. По правде говоря, я воспринимаю этот призыв как попытку любыми способами вдохнуть жизнь в набившую оскомину концепцию (в очередной раз дать работникам возможность пройти профессиональную переподготовку) и сохранить ее еще на какое-то время. Мы приближаемся к точке, где все будет совершенно по-другому и где нам придется куда более серьезно менять свои подходы.

Первыми жертвами автоматизации умственного труда, безусловно, станут позиции начального уровня, занимаемые выпускниками колледжей. Как мы видели в главе 2, уже сейчас можно наблюдать признаки того, что этот процесс начался. В период с 2003 по 2012 г. медианный доход выпускника колледжа со степенью бакалавра в США упал почти с $52 000 до суммы, едва превышающей $46 000 (в ценах 2012 г.). В то же время совокупная задолженность по образовательным кредитам в течение этого времени выросла в три раза — приблизительно с $300 млрд до $900 млрд {175}.