ИИ уже влияет на бизнес, науку, медицину, разработку ПО и работу цифровой инфраструктуры. Одновременно он усиливает споры о занятости, приватности, авторском праве и качестве информации в сети.
Обсуждение ИИ часто уходит либо в восторг, либо в страх. Реальная картина сложнее. Есть области, где эффект уже можно измерить: рост выручки, ускорение инженерных задач, помощь в прогнозировании природных явлений, поиск молекул и управление нестабильными физическими процессами. Но есть и цена: высокий расход энергии и воды, риски сокращения рабочих мест, утечки данных и поток синтетического контента, который трудно отличить от подлинного.
Содержание статьи
Как ИИ влияет на общество и экономику
Сегодня влияние ИИ двойственное: он повышает производительность и ускоряет исследования, но одновременно создает новые правовые, социальные и инфраструктурные проблемы. Оценивать ИИ нужно по конкретным результатам и по побочным эффектам, которые уже видны.
После всплеска интереса к генеративным моделям в 2022 году тема ИИ вышла за пределы лабораторий и узких отраслей. Системы на базе больших языковых моделей, алгоритмы компьютерного зрения и модели для анализа данных стали частью корпоративных процессов, научных проектов и повседневных цифровых сервисов.
На практике речь идет не об одной технологии. Под названием ИИ скрывается набор подходов: машинное обучение, нейросети, генеративные модели, системы рекомендаций, модели прогнозирования, инструменты автоматизации. Их воздействие тоже разное. Один класс систем помогает специалистам быстрее работать с кодом или документами, другой участвует в медицинских исследованиях, третий используется для создания фальшивых изображений и голосов.
В чем уже проявляется положительное влияние ИИ
Положительный эффект ИИ уже заметен в нескольких направлениях: в бизнес-операциях, прогнозировании погоды, разработке ПО, создании новых чипов, химических и фармацевтических исследованиях, а также в управлении ИТ-инцидентами. Эти эффекты подтверждаются конкретными проектами и опубликованными результатами.
Самый полезный способ смотреть на тему — отделять измеримые результаты от громких обещаний. Если технология помогает сократить время на анализ данных, повысить точность прогноза или ускорить научный поиск, это можно обсуждать предметно. Если речь идет о будущих сценариях без проверяемых данных, ценность таких заявлений ниже.
- Рост бизнес-показателей за счет автоматизации и аналитики
- Прогнозирование погоды и стихийных бедствий на основе моделей и спутниковых данных
- Ускорение разработки ПО с помощью ИИ-агентов и инструментов поиска ошибок
- Появление новых чипов для более эффективных вычислений
- Поиск заменителей PFAS в химии и материаловедении
- Снижение ущерба от ИТ-сбоев через автоматический анализ инцидентов
- Исследование лекарств и белковых структур
- Работа с ядерным синтезом и управлением плазмой
Как ИИ меняет бизнес-показатели
ИИ уже приносит бизнесу измеримый эффект в выручке, прибыли и операционной эффективности. Основные механизмы здесь простые: автоматизация рутинных задач, ускорение анализа данных и поддержка решений на основе фактов.
По данным IBM AI in Action 2024, 67% опрошенных руководителей сообщили о росте выручки на 25% и более после включения ИИ в операции компании. Еще 66% связали ИИ с ростом маржи прибыли как минимум на 25%.
Такие результаты не возникают сами по себе. В том же исследовании 85% руководителей заявили о наличии дорожной карты по ИИ, а 72% сообщили о согласованности между топ-менеджментом и ИТ-руководством. Это показывает прямую связь между внедрением технологии и качеством управления.
Сценарии использования тоже зависят от отрасли. В финансах востребованы внешние виртуальные ассистенты и ИИ-поиск. В телекоме — ИТ-операции и автоматизация, а также внутренние помощники. В ритейле акцент смещен в клиентский опыт. В производстве — снова ИТ-операции и автоматизация.
Для производственного сектора IBM также приводила отдельные метрики. Медианные ответы участников опроса показали улучшение точности прогнозирования на 30%, снижение дефектов продукции на 25% и уменьшение избыточных запасов на 20%.
Как ИИ помогает прогнозировать погоду и бедствия
ИИ уже применяется для анализа климатических данных, оценки последствий пожаров и наводнений, а также для более быстрых погодных прогнозов. Его ценность здесь в скорости обработки больших массивов данных и в возможности строить прикладные модели под конкретную задачу.
В 2023 году IBM и NASA представили фундаментальную модель для анализа данных о последствиях наводнений и лесных пожаров. Ее обучали на данных NASA, а затем использовали, в частности, для оценки восстановления лесов в Кении и городских зон перегрева в ОАЭ.
Позже, в сентябре 2024 года, на основе этой работы была выпущена новая открытая модель для климатических приложений. Среди сценариев использования назывались предупреждение о наводнениях, прогнозы ураганов и оценка гравитационных волн. Чем раньше удается заметить опасное явление, тем выше шанс снизить ущерб и число жертв.
Отдельный плюс таких моделей — гибкость. В сотрудничестве с Environment and Climate Change Canada инструмент настраивали для краткосрочного прогноза осадков на несколько часов вперед. При этом модель достаточно легкая, чтобы запускаться на одном настольном компьютере.
В 2024 году Google также представила модель NeuralGCM, которая сочетает традиционное моделирование атмосферы и глубокое обучение. Такой подход полезен там, где классическая физическая модель задает основу, а ИИ помогает удерживать точность прогноза.
Почему ИИ ускоряет разработку программного обеспечения
В разработке ПО ИИ сокращает время на повторяемые операции: поиск ошибок, разбор тикетов, подготовку вариантов исправлений и работу с документацией. Речь идет не о полной замене разработчика, а о переносе части механической работы на систему.
Особенно заметен интерес к ИИ-агентам для программной инженерии. Такие системы умеют анализировать задачу в репозитории, искать вероятную причину сбоя, предлагать патч и передавать его человеку на проверку. В связке с GitHub и внутренними инструментами команды это ускоряет цикл исправления.
У этой пользы есть четкая граница. ИИ может ускорить типовые этапы, но ответственность за код, архитектуру и безопасность остается у человека. Поэтому рост эффективности здесь зависит не только от качества модели, но и от того, как выстроен процесс ревью.
Зачем ИИ подталкивает развитие новых чипов
Рост ИИ-нагрузки усилил спрос на более быстрые и экономичные чипы. Без новых вычислительных решений развитие крупных моделей упирается в энергопотребление, стоимость и дефицит оборудования.
Долгое время главной рабочей лошадкой для машинного обучения оставались графические процессоры, или GPU. Они хорошо подходят для параллельных вычислений, которые нужны нейросетям. Но после сбоев глобальных цепочек поставок в период пандемии дефицит таких чипов стал заметной проблемой.
На этом фоне особый интерес вызвали новые архитектуры. Чип AIU NorthPole для инференса, представленный ранее, показал прирост скорости в 46,9 раза при энергоэффективности в 72,7 раза выше по сравнению с H100 в указанном эксперименте. Для прикладного ИИ это важный сигнал: вычисления можно делать быстрее и дешевле по энергии.
В США рабочая группа Сената по ИИ также заявляла о поддержке исследований и разработки новых ИИ-чипов. Причина понятна: если модели остаются прожорливыми, инфраструктурный счет будет только расти.
Как ИИ помогает искать менее вредные заменители PFAS
ИИ применяют и в химии, где он ускоряет поиск молекул с заданными свойствами. Один из примеров — поиск заменителей PFAS, группы веществ, которые широко использовались в промышленности и потребительских товарах, но плохо разлагаются и связываются с рисками для здоровья.
PFAS встречаются в антипригарной посуде, косметике, упаковке для еды и экранах мобильных устройств. Проблема в том, что такие соединения могут сохраняться в почве тысячи лет и накапливаться в организме людей и животных. Их связывали с онкологическими и другими заболеваниями.
В рамках программы PFACTS, финансируемой Национальным научным фондом США, исследователи используют генеративный ИИ для подбора возможных альтернатив PFAS. Модели создают структуры молекул, которые должны сохранять полезные свойства, но иметь меньшую токсичность.
Сообщалось как минимум о 6000 потенциальных заменителей, найденных с помощью модели. Это не готовые продукты, но заметное ускорение на этапе научного отбора.
Чем ИИ полезен при ИТ-сбоях
При ИТ-сбоях ИИ помогает быстрее найти вероятную причину проблемы и сократить время реакции. Такой эффект достигается за счет автоматического мониторинга, суммаризации инцидента и подсказок для команды.
Когда происходит сбой, инженерам нужно быстро понять, что именно пошло не так, какие системы затронуты и какое исправление безопасно применить. Платформы управления ИТ-средой с ИИ отслеживают события в инфраструктуре, выявляют аномалии и формируют краткое описание инцидента.
Дальше система может предложить возможные причины и провести команду через последовательность действий. Это особенно полезно в ситуациях, где дорога каждая минута, а объем телеметрии слишком велик для ручного разбора в реальном времени.
Как ИИ влияет на поиск лекарств и медицину
В биомедицине ИИ уже влияет на исследования белков, поиск лекарственных молекул и часть диагностических задач. Наиболее известный пример — предсказание структуры белка, которое резко ускорило работу с одной из базовых задач молекулярной биологии.
В конце 2020 года команда Google DeepMind представила AlphaFold2. Система показала точность выше 90% при предсказании трехмерной формы белка на основе его одномерной молекулярной последовательности. Для науки это был крупный сдвиг, потому что форма белка напрямую связана с его функцией.
Параллельно исследователи IBM создали фундаментальную модель и применили ее для генерации четырех противовирусных соединений против COVID-19. На фоне мутаций вирусов такой подход важен: старые решения со временем теряют часть эффективности, и нужен ускоренный поиск новых вариантов.
Есть и другие направления. Программа развития ООН поддерживает применение ИИ для помощи людям с инвалидностью. В 2024 году исследователи Национального института здравоохранения США сообщали об успехах ИИ в медицинской диагностике, хотя система испытывала трудности с объяснением собственных выводов. Для медицины это критичный нюанс.
Зачем ИИ используют в исследованиях ядерного синтеза
В установках для ядерного синтеза ИИ применяют для прогнозирования нестабильностей плазмы и управления ими в реальном времени. Если модель заранее замечает опасный режим, установка получает больше шансов удержать плазму внутри магнитного контура.
В токамаках сверхнагретая плазма удерживается магнитным полем. Если поле нарушается, возможен выход плазмы из режима удержания из-за нестабильности типа tearing mode. Это одна из практических проблем на пути к устойчивому синтезу.
В 2024 году исследователи Принстонского университета представили ИИ-модель, которая умеет предсказывать и избегать такие нестабильности. Команда также сообщала о снижении числа подобных инцидентов с помощью контроллера токамака, обученного методом обучения с подкреплением.
Для энергетики это важно по простой причине. Мир ищет источники энергии с меньшей зависимостью от ископаемого топлива, а дата-центры для ИИ сами увеличивают спрос на электричество.
Какие риски и проблемы создает ИИ
Основные риски ИИ связаны с занятостью, потреблением ресурсов, приватностью, авторским правом и дезинформацией. Чем шире внедрение ИИ, тем заметнее становятся не только его преимущества, но и побочные эффекты.
Часть проблем возникает из-за самих моделей. Часть — из-за того, как компании и пользователи их применяют. Если генеративная система пишет код, риски одни. Если она имитирует голос политика перед выборами, последствия уже совсем другие.
| Риск | Как проявляется | Почему это важно |
| Сокращение рабочих мест | Автоматизация рутинных задач и пересмотр штатной структуры | Давление на рынок труда и потребность в переобучении |
| Высокий расход ресурсов | Потребление воды и электричества дата-центрами | Нагрузка на локальную инфраструктуру и климат |
| Нарушение приватности | Использование персональных данных при обучении и эксплуатации моделей | Риск утечки, слежки и слабой защиты PII |
| Нарушение авторских прав | Обучение на защищенных материалах и генерация производных работ | Конфликт между разработчиками ИИ и правообладателями |
| Дезинформация и мошенничество | Дипфейки, ложные изображения, фальшивые звонки и боты | Потеря доверия к медиа и рост цифрового обмана |
Вытесняет ли ИИ людей с работы
ИИ уже влияет на рынок труда, и в части профессий это выражается в сокращении задач или рабочих мест. Наибольший риск у ролей с повторяемыми операциями и высоким объемом стандартизированной офисной работы.
В опросе 750 руководителей, опубликованном в декабре 2023 года, 44% подтвердили связанные с ИИ увольнения в 2024 году. В другом опросе 2000 руководителей уровня C-suite в 2024 году 41% ожидали сокращения численности персонала в ближайшие пять лет из-за внедрения ИИ.
При этом не все группы работников уязвимы одинаково. По оценкам отчета 2024 года, к 2030 году почти 30% рабочего времени в США может быть автоматизировано. Сильнее других под ударом оказываются клиентский сервис, офисная поддержка и общественное питание. У работников STEM-профилей, творческих профессий и других специалистов умственного труда чаще меняется сам рабочий процесс, а не факт занятости.
Отдельный риск — ухудшение условий труда. Появлялись сообщения о случаях, когда художники сначала теряли заказы, а потом возвращались на работу уже как ретушеры ИИ-изображений и за меньшие деньги. Это меняет не только структуру занятости, но и переговорную силу специалиста.
Почему ИИ увеличивает потребление энергии и воды
Современный ИИ требует много электроэнергии и воды, потому что крупные модели работают в масштабных дата-центрах, а их серверы нужно питать и охлаждать. Чем больше обучение и инференс, тем выше нагрузка на локальные ресурсы.
Дата-центры иногда строят в районах, где доступ к воде и электричеству уже ограничен. В таких случаях местные жители и новый цифровой объект фактически начинают конкурировать за одну и ту же инфраструктуру.
Показателен пример Северной Виргинии, одного из крупнейших центров размещения дата-центров в США. В 2023 году жители протестовали против строительства нового объекта, который на тот момент мог стать одним из крупнейших в мире. Среди главных претензий называлась как раз нагрузка на энергосистему.
Есть и встречные попытки снизить давление. Возле Хьюстона планировали строить автономный гипермасштабируемый дата-центр на водородной энергии. Microsoft решила вернуть в эксплуатацию один из ядерных реакторов Three Mile Island и выкупать всю производимую им электроэнергию в рамках 20-летнего соглашения.
Пока это не снимает проблему целиком. Энергоэффективные чипы и более чистые источники питания могут уменьшить нагрузку, но сам спрос на вычисления остается очень высоким.
Как ИИ затрагивает приватность и персональные данные
ИИ усиливает риски для приватности, потому что модели требуют большие наборы данных, а в них могут попадать персональные сведения. Главная коллизия здесь простая: разработчикам нужны данные для улучшения моделей, пользователям нужна защита личной информации.
В январе 2024 года Федеральная торговая комиссия США предупредила ИИ-компании о необходимости соблюдать обещания по защите приватности и конфиденциальности. Регулятор отдельно обратил внимание на конфликт между обязанностью охранять PII, то есть персонально идентифицируемую информацию, и желанием компаний постоянно расширять обучающие наборы данных.
На федеральном уровне в США общего закона по защите данных в ИИ-сценариях нет. Более широкие механизмы есть лишь в отдельных штатах, например в рамках California Consumer Privacy Act. В то же время в Евросоюзе в 2024 году приняли EU Artificial Intelligence Act, который регулирует разработку и применение ИИ и, в частности, запрещает массовый сбор лицевых изображений из интернета для задач распознавания лиц.
Разница подходов видна сразу. Где регулирование слабое, больше зависит от внутренней дисциплины компаний. Где правила прописаны законом, появляются четкие ограничения, но возрастает нагрузка на соблюдение норм.
Нарушает ли ИИ авторские права
Споры об авторском праве вокруг ИИ уже стали частью судебной практики и регулирования. Проблема возникает на двух этапах: при обучении модели на защищенных материалах и при генерации контента, который может воспроизводить чужую работу.
Некоторые разработчики прямо признавали, что использовали защищенные авторским правом тексты или изображения для обучения моделей, и ссылались на принцип добросовестного использования. Но правообладатели и творческие индустрии с этим не согласны.
Особенно острым оказался конфликт вокруг генерации изображений. Художники публично протестовали против коммерческого использования генераторов картинок. В киноиндустрии тема тоже дошла до титров: создатели фильма Heretic включили оговорку о том, что генеративный ИИ не участвовал в производстве картины.
Позиция государственных органов США пока чаще выглядит благосклонной к правообладателям. Бюро по авторскому праву США в 2023 году решило, что ИИ-сгенерированные изображения не получают авторско-правовую охрану. А в деле 2024 года суд Северного округа Калифорнии указал, что и поставщики ИИ, и пользователи могут нести ответственность за нарушение авторских прав при генерации изображений.
Как ИИ усиливает дезинформацию и цифровое мошенничество
ИИ упростил массовое производство ложного контента: изображений, видео, голосов, комментариев и псевдоновостей. Главный риск в том, что подделки стали дешевле, быстрее и убедительнее.
После 2023 года поток синтетических материалов резко вырос. Боты публикуют вводящие в заблуждение сообщения в соцсетях, генераторы создают фальшивые скриншоты и картинки, а дипфейки имитируют голоса и лица известных людей.
У части таких примеров безобидный вид. Но в политике и безопасности последствия уже серьезные. В первые недели вторжения России в Украину в 2022 году в сети появилось видео, где президент Украины Владимир Зеленский якобы призывал граждан прекратить сопротивление. В 2023 году распространялась пропагандистская видеокампания с ИИ-ведущими в интересах Китая.
Перед выборами в США в 2024 году некоторые избиратели получали автоматические звонки с дипфейком голоса Джо Байдена. Дональд Трамп публиковал изображения, которые выглядели как поддержка со стороны Тейлор Свифт, хотя они были сгенерированы.
Финансовое мошенничество тоже стало проще. Голосовые дипфейки используют для обмана родственников и коллег, чтобы вынудить жертву перевести деньги. На уровне бытовой защиты здесь работают базовые протоколы проверки личности: заранее согласованные кодовые фразы, обратный звонок по известному номеру, отказ от срочных переводов без подтверждения.
Можно ли снизить вред от ИИ
Снизить вред от ИИ можно, если сочетать технические ограничения, прозрачные процессы, проверку данных и понятные правила использования. Чем выше влияние системы на людей, деньги, здоровье или права, тем жестче должен быть контроль.
Универсального решения нет. Для медицинской модели важна объяснимость и клиническая проверка. Для корпоративного помощника — разграничение доступа и контроль утечки данных. Для генератора контента — маркировка, фильтры и политика по авторским правам.
- Ограничивать доступ к чувствительным данным и отделять обучающие наборы от внутренней конфиденциальной информации.
- Фиксировать сценарии применения, где ИИ помогает человеку, а не принимает окончательное решение без контроля.
- Проверять выход модели в задачах с высоким риском: медицина, право, финансы, безопасность.
- Вести журнал действий, чтобы понимать, как система пришла к результату и кто утвердил применение.
- Пересматривать кадровую политику вместе с внедрением автоматизации, включая обучение и переобучение сотрудников.
- Считать инфраструктурную цену: энергопотребление, охлаждение, загрузку дата-центров и стоимость инференса.
- Учитывать правовой режим для данных, изображений, кода и других материалов, которые участвуют в обучении и генерации.
Есть и более общий принцип. Чем проще компания объясняет, где именно у нее используется ИИ и какие ограничения действуют, тем меньше риск хаотичного внедрения. Большая часть провалов здесь связана не с магией алгоритма, а с обычным управленческим перекосом.
Какой вывод можно сделать о влиянии ИИ
Влияние ИИ уже велико и будет расти, но его нельзя описать одним словом. ИИ приносит измеримую пользу в анализе данных, инженерии, медицине, климатических и энергетических исследованиях, а его главные издержки проявляются в занятости, ресурсах, приватности, праве и доверии к информации.
Самый точный взгляд на тему опирается на факты, а не на лозунги. Если система повышает точность прогноза, ускоряет поиск молекул или помогает удерживать плазму в токамаке, это реальный вклад. Если та же экосистема увеличивает расход воды, подталкивает к увольнениям или заливает сеть дипфейками, это тоже часть реальности.
Поэтому вопрос уже не в том, повлияет ли ИИ на общество. Он влияет сейчас. Спор идет о другом: какие формы применения будут поощряться, какие ограничиваться и кто понесет цену за скорость технологического роста.