Главное об ИИ — полная картина — 2026-10-15 (чт) Утренний выпуск

Цифры по финансированию и росту ИИ существенно обновляются каждый квартал. Сингапур зафиксировал рост на 5,4% на фоне спроса на ИИ, при этом были подписаны партнёрства в области разработки лекарств с помощью ИИ на сумму до $1.2 billion. Между тем ситуация с занятостью остаётся неопределённой после того, как Publicis пообещала сократить ручной труд на 25%, а бабушка, подавшая в суд из-за ошибок распознавания лиц, требует $10 million. Скорость, с которой привлекаются средства, и скорость, с которой пострадавшие узнают о бремени, не совпадают. Ниже приведены масштаб этих цифр и та нагрузка, которую они уже создают для отрасли, отдельных людей и мер безопасности. Насколько следует признавать последствия внедрения, определить нельзя, пока мы не рассмотрим, кто будет отвечать за распределение издержек и ответственности.

Рабочее место между сокращением персонала и переобучением

Publicis поставила цель сократить ручной труд на 25% с помощью ИИ, но влияние на занятость, по имеющимся сообщениям, остаётся неясным (Storyboard18). Цифры показывают снижение рабочей нагрузки, а не сокращение численности персонала. Однако после того как четверть ручного труда будет устранена, пока не решено, будут ли те же люди использовать это время для другой работы или численность людей будет пересмотрена. Если пытаться определить, на сколько сократится число сотрудников, глядя только на целевой показатель, легко ошибиться в оценке.

Даже при одинаковом внедрении тенденции в отрасли начинают расходиться. Сообщается, что HSBC и Kroger увеличивают число увольнений из-за ИИ, а сравнение затрат с переобучением обсуждается (AICERTs). Сокращение штата снижает краткосрочные расходы на рабочую силу, тогда как переобучение требует затрат на обучение и времени. Что дешевле, зависит от объёма заменяемой работы и от того, смогут ли оставшиеся сотрудники взять на себя новые задачи. Оценивая свои компании и рабочие места, читателям нужно смотреть не только на объём сокращений, но и на стоимость переобучения и на то, кто будет нести ответственность после сокращений.

Направление изменений в сфере занятости для выпускников несколько иное. The Economic Times сообщает, что категории вакансий для выпускников меняются из-за тенденции уделять больше внимания навыкам работы с ИИ, а число новых наймов в индийских сферах IT и BPM восстанавливается. Легко представить, что если вводную ручную работу передать ИИ, то рабочие места для новых сотрудников исчезнут первыми, но то, что случаи найма возвращаются, показывает, что некоторые компании направляют средства на подготовку кадров, способных работать с ИИ. Здесь то, как развивается грамотность в области ИИ, является переменной, определяющей влияние на занятость.

Круг пользователей также расширяется. Сообщается, что на OpenAI Forum прошло обсуждение использования ИИ для экспертов по опросам общественного мнения (EdTech Innovation Hub). Тот факт, что обсуждение применения дошло до профессиональных специальностей, показывает, что переобучение — проблема не только отдельных профессий. Кроме того, отчёт о внедрении ИИ за 2026 год (Knowledge at Wharton) послужит материалом для проверки реального положения дел с внедрением. Эффект нельзя измерить только тем, что внедрение продвинулось; результаты нельзя сравнивать, не посмотрев также, были ли они использованы для сокращения или для обучения.

Выбор между сокращениями и ростом — это не только вопрос корпоративных финансов, но и вопрос распределения: кто первым возьмёт на себя издержки и ответственность. В следующем разделе мы увидим, как это распределение проявляется применительно к отдельным людям и безопасности.

Цепочка финансирования и сотрудничества в разработке лекарств

От небольших частных размещений до государственных закупок: финансирование разработки лекарств с помощью ИИ на каждом этапе идёт по разным каналам. Канадская Rakovina Therapeutics (TSXV:RKV) завершила частное размещение на C$1.99 млн и объясняет, почему направит средства на открытие противораковых препаратов с помощью ИИ (kalkine.ca). Хотя масштаб невелик, это пример первого этапа привлечения средств для ИИ и их распределения на исследования.

Что касается партнёрств и контрактов, цифры здесь выше. Deep Origin объявила о сотрудничестве с BioAge Labs в области разработки лекарств с помощью ИИ по нескольким мишеням и сообщила, что подтвердила валидированный хит по первой мишени (Yahoo Finance Singapore). ITOCHU Corporation подписала соглашение о капитальном альянсе с MOLCURE Inc. (BioSpectrum Asia) в сфере разработки лекарств с помощью ИИ в Японии. Zealand Pharma и Generate заключили сделку по ИИ-препарату от ожирения на сумму до 1,2 млрд долларов (WTVB). Выражение «максимум» здесь следует понимать как верхний предел, включающий сумму, подлежащую выплате при выполнении условий результативности. Хотя заявленная сумма контракта может быть крупной, фиксированный платёж и будущая условная сумма — это две разные вещи.

Поток средств не ограничивается частным сектором. ThinkTrends получила контракт IDIQ на 49 млн долларов США от Управления по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) для поддержки внедрения ИИ и данных (The Globe and Mail). Сами регуляторы будут закупать инфраструктуру для ИИ и данных. Со стороны рынка Nuvin Asset Management, управляющая активами на 2,6 трлн долларов США, опубликовала рыночный комментарий, в котором говорится, что ИИ меняет экономическую структуру биофармацевтической отрасли. Что касается рынка ИТ для наук о жизни, анализ показывает, что IQVIA, Oracle, Accenture, Veeva Systems и SAP нацелены на 82,24 млрд долларов США к 2035 году (Yahoo Finance UK). Кроме того, сообщалось, что Nanyang Biologics, сингапурская биотехнологическая компания в области разработки лекарств с помощью ИИ стоимостью 1,5 млрд долларов США, будет размещена на Nasdaq (The Business Times).

Если сопоставить их напрямую, то впереди идут финансирование, оценка и стоимость контрактов, а в качестве результатов можно рассматривать лишь ранние итоги, такие как «подтверждённый хит» (verified hit) компании Deep Origin. Подтверждение хита — это начало долгого процесса разработки лекарства, и одно лишь объявление о листинге или крупном контракте не свидетельствует о точности последующих клинических испытаний или об одобрении. Читателям стоит обратить внимание на разбивку суммы контракта на твёрдую и условную части и на то, привязаны ли средства к подтверждённым результатам. В следующем разделе рассматривается, как эти финансовые движения перераспределяют затраты и ответственность в этой области.

Доверие к прогностическим моделям, поддерживающим диагностику и лечение

Предиктивные модели, использующие изображения и мультимодальные данные, уходят от стадии исследований и приближаются к клиническому пути. Для рака верхних мочевыводящих путей сообщалось о мультимодальной системе поддержки клинических решений CLIP-CGPNet для прогнозирования послеоперационного рецидива (Journal of imaging informatics in medicine). Для рака молочной железы HCF-Net, которая до операции классифицирует молекулярные подтипы по динамической МРТ с контрастным усилением, построена как каскадное объединение вдоль клинического пути лечения (тот же журнал). В случае муцинозной аденокарциномы лёгкого опубликованы исследования по классификации подтипов и прогнозированию исходов с интеграцией мультимодальных данных (translational cancer research). Общее у всех трёх — модель помещается в конкретную точку процесса принятия решений, например, выбор до или после операции. Необходимо проверять не только цифры точности, но и то, в каких ситуациях модель должна заменять или дополнять существующие подходы.

С другой стороны, вопрос о том, примут ли врачи ответы, предоставляемые моделью, остаётся отдельной проблемой. Объяснимость и клиническое доверие напрямую рассматриваются при использовании глубокого обучения для прогнозирования ответа на лечение глиобластомы (Journal of imaging informatics in medicine). Исследование по прогнозированию гепатоцеллюлярной карциномы с мутацией P53 с помощью радиомики МРТ направлено не только на внутреннюю часть опухоли, но и на область вокруг неё (translational cancer research). Интервью с UMass Chan Medical School об ИИ в радиологии также рассматривает эту технологию с точки зрения врачей, которые читают снимки. Недостаточно, чтобы прогноз был точным: необходимым условием практического применения является то, чтобы врачи могли подтвердить, на какой области изображения основан прогноз.

Та же концепция существует и за пределами медицины. Сообщается, что дроны с ИИ используются производителями не только для патрулирования посевов, но и для более широкого круга задач (Growing Produce). Даже если наблюдения на полях становятся точнее, решение о том, как использовать эту информацию для принятия решений по операциям и ресурсам, остаётся за производителем. Будь то диагностика или сельское хозяйство, ценность внедрения зависит не столько от показателей производительности, сколько от того, как на месте обращаются с результатами и кто берёт управление на себя, когда что-то идёт не так. Это напрямую связано со следующим вопросом: рассмотреть последствия применения технологии, включая распределение затрат и ответственности.

Призыв провести границу для защиты личности и детей

Ошибочная идентификация при распознавании лиц уже дошла до суда. Бабушка, которую по ошибке опознали как виновницу кражи из банка с помощью ИИ-распознавания лиц, подала иск о компенсации в 10 млн долларов, сообщает ABC News. Это означает, что решение связать человека с преступником началось с результатов сопоставления, выданных машиной. В сфере психического здоровья Южная Корея объявила руководящие принципы безопасности для ИИ в области психического здоровья (Healthcare IT News). Это пример того, как правительство документирует, в какой мере можно полагаться на ИИ, прежде чем его применение станет массовым. Будь то распознавание лиц или поддержка консультирования, ошибки затрагивают тех, кто получает результаты, а не тех, кто выбирает систему. Тем, кто рассматривает внедрение, нужно проверять не только цифры точности, но и то, кто может исправить ошибки и кто понесёт ответственность, когда они произойдут.

В ИИ, создающем отношения, объект привлекательности ближе к внутреннему миру пользователя. Universidad de Córdoba (UCO) сообщает, что в её приложении ИИ-подруги есть настройки личности и функции конфиденциальности. Система, позволяющая пользователям выбирать личность, соответствует предпочтениям пользователя, но при этом поднимает вопрос о том, как обращаться с записями интимных разговоров. Что касается детей, эксперт написал в Florida Politics, что Флориде не следует доверять детей чат-ботам. Этот материал выражает мнение отдельного эксперта и не означает, что правила были окончательно утверждены. Однако наличие функций конфиденциальности и возможность взаимодействия с несовершеннолетними — это два разных вопроса. Родителям, школам и поставщикам необходимо определить границы использования для каждой возрастной группы независимо от наличия или отсутствия функций.

Методы распознавания эмоций и предвзятости также можно использовать для поддержки таких суждений. Оптимизации, вдохновлённые поведением волков, улучшили качество распознавания эмоций в речи на разных языках, сообщает Bioengineer.org. Если эмоции можно обрабатывать на разных языках, сферы применения расширятся. Однако тех, кто внедряет такую систему, обязывают проверять, что она не ошибается в отношении людей с определёнными языками или манерой речи. Penn Today рассказывает об усилиях использовать ИИ для выявления предвзятости в СМИ и применять это как основу для решений избирателей и читателей. Если не убедиться, что критерии оценки предвзятости сами не предвзяты, этот инструмент может не помогать читателям принимать решения, а, наоборот, навязывать определённый взгляд. И для распознавания эмоций, и для выявления предвзятости вопрос в том, использовать ли их, раскрыв основания для суждения и склонность к ошибкам, а не полагаясь на результаты как есть.

Пока мы видим, что в ситуациях, когда вред сначала причиняется отдельным людям, необходимо в первую очередь решить, кто будет расследовать и кто возьмёт на себя ответственность. Далее мы рассматриваем, как эти издержки и ответственность распределяются между компаниями и обществом.

Временная ось роста, политики и мер безопасности

Сингапур показал рост 5,4% на фоне спроса на ИИ, а денежно-кредитная политика осталась без изменений (Bloomberg.com). Цифры впечатляют, но они лишь показывают, что попутный ветер со стороны спроса первым проявился в статистике. Примерно в то же время группа, финансирующая ИИ, по сообщениям, поддержала участие Скотта Винера в выборах в Конгресс суммой в $3 million (Mission Local). Через финансирование сокращается дистанция между теми, кто пожинает плоды роста, и теми, кто определяет правила. Тем временем Харрис предупредил, что на меры безопасности ИИ остаётся мало времени, и призвал к сотрудничеству США и Китая (Reuters). Темпы роста обновляются ежеквартально, выборы проходят по расписанию, но срока для мер безопасности никто не установил. Отправная точка этого раздела — момент, когда три разные временные оси движутся рядом.

Эта разница во времени отражается и в расписании на местах. Операторы домов престарелых Cascadia, CarDon и FellowshipLIFE рассказали о своей дорожной карте по использованию ИИ (Skilled Nursing News). Подход поэтапного внедрения показывает, что система работает в операционном масштабе времени, не зависящем от скорости роста или выборов. В творческой сфере компания Air провела мероприятие на крыше с художником Joe Bloom, чтобы поговорить об ИИ и творчестве (Ad Age). Рабочие графики в сфере ухода и возможности для диалога в творческом письме пытаются упорядочить то, как воспринимаются вещи в каждой области.

Теперь сменим место действия вопроса. ИИ-робот из фильма Marvel «Vision Quest» ставит вопрос о том, могут ли машины думать самостоятельно (Moneycontrol.com). Хотя это вымышленная история, она пересекается с вопросом о том, где проводить границу между тем, что следует доверить машинам, и тем, чем должны заниматься люди, когда читатели решают внедрять ИИ. Показатели темпов роста и суммы политического финансирования не проводят эту границу за нас.

Возвращаясь к суждению читателя: смотреть следует не на размер цифр, а на то, с какой скоростью движется объект и какое бремя ляжет первым. Если предупреждения Харриса верны, отсрочка может оказаться короче, чем график на местах. Однако продолжительность моратория не высечена в камне и остаётся в рамках того, что он назвал предупреждением. Догонит ли дискуссия темп событий, в конечном счёте сводится к вопросу распределения: кто понесёт издержки и ответственность.

Случаи, рассмотренные в каждом разделе, имеют общую структуру. Темпы роста, объём финансирования и масштаб партнёрства будут окончательно закреплены в виде цифр на момент объявления. С другой стороны, порядок работы с персоналом, решения, замещаемые прогностическими моделями, исправления и ответственность при возникновении ошибок, а также сроки мер безопасности определяются уже после внедрения. Бремя проявляется прежде всего на второй стороне, и его несут ответственные за работу на местах и те люди, на которых направлены результаты. Поэтому эффективность внедрения нельзя оценивать по отдельным показателям, таким как размер сокращения, точность и темпы роста. Только выяснив, кто за это заплатит, кто сможет исправить ошибки и кто возьмёт на себя ответственность, можно будет определить, станет ли одно и то же внедрение для нас выгодой или ущербом. Величина цифр остаётся отправной точкой, а центр оценки — в распределении.

Q1: Кто на вашем рабочем месте решает, на какие задачи направить время и усилия, высвободленные благодаря ИИ? Q2: Когда ИИ выдаёт неверные результаты, существуют ли процедуры их выявления и исправления, и кто за это отвечает в письменном виде? Q3: Включают ли цифры, измеряющие эффективность внедрения, расходы на переобучение, расходы на устранение ошибок и нагрузку на затронутых сотрудников?

Наконец, три вопроса

- Кто на вашем рабочем месте решает, на какие задачи направить время и усилия, высвобожденные благодаря ИИ? Q2: Если ИИ выдаёт неверные результаты, существуют ли процедуры их обнаружения и исправления и назначен ли ответственный в письменном виде? Q3: Включают ли цифры, измеряющие эффективность внедрения, затраты на переобучение, затраты на устранение ошибок и нагрузку на тех, кого это затрагивает? - Если ИИ выдаёт неверные результаты, существуют ли процедуры их обнаружения и исправления, и назначен ли ответственный в письменном виде? Q3: Включают ли цифры, измеряющие эффективность внедрения, затраты на переобучение, затраты на устранение ошибок и нагрузку на тех, кого это затрагивает? - Включают ли цифры, измеряющие эффективность внедрения, затраты на переобучение, затраты на устранение ошибок и нагрузку на тех, кого это затрагивает?