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.

Программная автоматизация, часто включающая машинное обучение, уже посягает на некоторые задачи, выполняемые белыми воротничками. Например, в юриспруденции умные алгоритмы теперь изучают документы и определяют, следует ли их включать в юридический анализ при подготовке к судебному процессу. Системы искусственного интеллекта становятся все более искусными в правовых исследованиях. Прогностические алгоритмы анализируют исторические данные и оценивают вероятность исхода — от результатов рассмотрений дел в Верховном суде до рисков нарушения конкретного контракта. Иначе говоря, ИИ уже влияет на деятельность, требующую вынесения суждения, которая раньше относилась к компетенции только самых опытных юристов. Крупные медиакомпании все активнее используют системы, автоматизирующие журналистскую работу базового уровня: они анализируют поток данных, выявляют содержащийся в них сюжет и затем автоматически генерируют текст. В таких компаниях, как Bloomberg, подобные системы используются для почти мгновенного создания репортажей, где освещаются отчеты корпораций о прибылях и убытках. Способность искусственного интеллекта обрабатывать естественный язык развивается, и подготовка практически любых рутинных текстов как для внутренних, так и для внешних корпоративных коммуникаций будет, скорее всего, все более автоматизироваться. Положение аналитиков в таких сферах, как банковское дело или страхование, станет особенно шатким. Например, отчет Wells Fargo за 2019 год предсказывает, что в результате технологического развития за следующее десятилетие в банковской отрасли США исчезнет около 200 000 рабочих мест[232]. Влияние автоматизации на Уолл-стрит уже очевидно: торговые залы, где когда-то царил хаос и оглушительный шум, теперь по большей части наполняет тихий гул компьютеров. В 2019 году на крупнейших биржах действовали лишь небольшие группы специалистов, располагающихся в определенных зонах торгового зала[233]. Пандемия коронавируса продемонстрировала, что даже эти немногие исключения уже необязательны, поскольку торги стремительно переводятся в полностью электронный формат.

Кол-центры, занятые обслуживанием клиентов или технической поддержкой, — еще одна область, которая созрела для преобразования. Благодаря быстрому развитию способности искусственного интеллекта обрабатывать естественный язык возникают приложения, способные автоматизировать все большую часть этой работы с использованием технологии голосовой коммуникации и онлайновых чат-ботов. До сих пор эти функции очень активно выводились за рубеж, но с совершенствованием технологии исчезают и многие рабочие места в кол-центрах, находящихся в странах с дешевой рабочей силой, таких как Индия и Филиппины. Ответы на обращения в клиентскую службу — это задача, во многих отношениях идеально подходящая для машинного обучения. Каждое взаимодействие клиента и сотрудника кол-центра дает много данных, в том числе о том, какой вопрос был задан, какой ответ дан, привело ли это к полному решению проблемы. Алгоритмы машинного обучения могут обработать тысячи таких взаимодействий и быстро научиться успешно отвечать на существенную долю повторяющихся запросов. Когда же система обучена, алгоритм становится все умнее с каждым звонком клиентов. Сейчас уже десятки стартапов предлагают чат-боты на основе ИИ для автоматизированной службы клиентской поддержки. Многие из них работают в таких специфических отраслях, как здравоохранение и финансовые услуги