ИИ и? К чему привел ажиотаж вокруг искусственного интеллекта

В 2023 году меня попросили помочь со списком литературы для ВКР, нужно было подобрать источники, по которым будет писаться работа, и оформить их по ГОСТ. Задача скучная, кропотливая, раздражающая и важная. В это время уже вовсю развернулся хайп вокруг «искусственного интеллекта», и я решил использовать для выполнения этой скучной задачи ChatGPT. Результат был великолепен: список был оформлен полностью по ГОСТ, источники правильно разнесены по категориям, расставлены по алфавитному порядку — красота, да и только. Была ровно одна проблема: ни одного из 55 источников не существовало — всё было полностью выдумано моделью. И можно было бы сказать, что модель плоха и не работает, но после сбора точно существующих материалов ChatGPT таки смогла оформить уже подготовленный материал как мне было нужно. Вроде и мелкая задача, но урок получился хороший: используй инструмент правильно, а не как обещают маркетологи.

С тех пор прошло три года, и спор о том, что генеративные модели дают, а что отнимают, только раскаляется. Разработчики моделей раздают щедрые обещания, противников новой технологии становится всё больше. Разобраться, где тут проверяемые факты, а где эмоции обеих сторон, стало заметно труднее. Начать имеет смысл с того, что возможно посчитать, — с масштаба самого явления, а к претензиям перейдем позднее.

Что сейчас происходит на рынке искусственного интеллекта

Начнем с небольшой оговорки. Мы прекрасно понимаем, что термин «искусственный интеллект» в современном публичном дискурсе употребляется некорректно, и интеллекта в языковых моделях примерно как в калькуляторе — корректнее говорить о генеративных моделях. Мы будем использовать оба термина — оба они прочно утвердились и встречаются в спорах и исследованиях.

Реальное количество компаний, использующих искусственный интеллект, неизвестно, есть только приблизительные оценки. Разброс между ними — от 5 с небольшим процентов в обследовании Бюро переписи США BTOS до 78 процентов в отчете Stanford HAI AI Index 2025. Причина столь впечатляющей разницы — в сложности поиска адекватной методологии. Официальная статистика собирается путем опроса предприятий, но далеко не все компании готовы рассказать, что и как они используют. Модели, развернутые на собственном оборудовании, не оставляют следов и у поставщиков услуг, так что посчитать их со стороны не представляется возможным. Рассмотрим более подробно, на что опирались исследователи:

И вроде данных много — в этой таблице представлена только малая часть, но даже на такой небольшой выборке бросается в глаза очень существенная разница между верхней и нижней границей результатов. Официальная статистика стремится поймать использование ИИ на уровне интегрированных в рабочий процесс механизмов, а опросы отражают вообще любое использование, вплоть до личной подписки одного из сотрудников, о которой больше никто не знает. Помимо всего прочего компании, участвующие в создании и продвижении ИИ-инструментов, хотят создать впечатление ажиотажного спроса на их продукт. Посмотрим внимательнее на данные Eurostat, они собираются с 2018 года и делятся в том числе на данные по предприятиям и отраслям, которые хоть отчасти претендуют на объективность:

Показатель по Евросоюзу вырос с 8 процентов в 2023 году до 13,48 в 2024 и до 19,95 в 2025 — двукратный прирост приходится на два последних года. Степень использования ИИ также значительно отличается в зависимости от размера компании:

Наиболее показательной является тенденция к нарастанию разрыва между маленькими и крупными компаниями, которые являются драйвером внедрения ИИ в производственный процесс. Крупные компании влияют на статистику использования моделей и дают громкие инфоповоды, из-за чего складывается ощущение повсеместного использования ИИ. Однако впечатление обманчиво и является скорее отражением особенностей публичного дискурса.

Важны и причины такого впечатляющего разрыва в использовании ИИ между крупными и малыми предприятиями. Согласно данным опросов, одним из наиболее важных препятствий в использовании ИИ является отсутствие в штате малых предприятий сотрудников, способных поставить задачу по внедрению ИИ, и тех, кто, собственно, будет ее выполнять. ИИ может помочь в выполнении рутинных задач, но интеграция в рабочий процесс также является самостоятельной задачей, требующей отдельных компетенций. Конечно, могут быть отдельные адепты новой технологии, по собственной инициативе обучающие методам работы с моделями коллег, но это скорее исключение. Если говорить о полноценном использовании корпоративных чат-ботов, ботов поддержки или иных решений, то обязательно должен быть человек, который отвечает за поддержание этой инфраструктуры.

Проблема частично решается только в разрезе удешевления подписок на платные готовые решения. Посмотрим, что происходит по отраслям, данные ниже выгружены из набора Eurostat isoc_eb_ain2:

Связь и разработка программного обеспечения прибавили в 2024 году 19,19 пункта, а в 2025 только 13,80. У профессиональных и научных услуг прирост снизился похожим образом, с 11,87 пункта до 9,90, у административных — с 6,00 до 5,53. Получается, что отрасли, ранее выступающие локомотивом внедрения ИИ, замедлились одновременно, а все остальные в 2025 году увеличили свои показатели. Гостиницы и рестораны прибавили в 2024 году 2,28 пункта, в 2025 уже 5,89 — темп вырос в два с половиной раза. У производства прирост увеличился с 3,78 пункта до 6,70, у строительства с 2,89 до 4,70. Энергетика держится посередине и остаётся единственной отраслью с почти одинаковой динамикой оба года, 7,25 и 7,89 пункта.

Разница между долей связи и долей строительства всё это время продолжает расти: в 2023 году она составляла 26,33 пункта, в 2024 уже 42,63, а к 2025 дошла до 51,73. Прибавка к самим значениям сократилась при этом с шестнадцати пунктов до девяти, так что показатели по отраслям расходятся всё медленнее.

Статистика, к сожалению, не дает объяснений, но сделать ряд предположений на ее основе возможно. Связь и разработка дошли до 62,52 процентов компаний, использующих ИИ-технологии, и оставшиеся тридцать семь — это те, которые за годы ажиотажа не внедрили ничего. Замедление выглядит скорее насыщением. Разница между отраслями при этом упирается в предмет работы — у связи и профессиональных услуг он сам является текстом или кодом, куда модель встраивается органично, да и специалистов, необходимых в этой сфере, достаточно. 

Другое дело гостиницы, стройка или перевозки. В этих областях ИИ используется скорее в качестве обвязки вокруг основного продукта (переписка, расписания, бронирование и прочее). Такие функции есть внутри готовых отраслевых продуктов, появившихся уже после моделей. Косвенно это подтверждается тем, что силами своих сотрудников технологию внедрили только 2,77 процента предприятий при 13,48 процентах применяющих, то есть примерно каждое пятое. Остальные ждут, когда поставщик добавит нужное в свою систему. Стоит помнить и про ограничения статистики, в ней не прослеживается степень и масштаб внедрения. 

Тезис о сложности внедрения технологий на основе искусственного интеллекта подтверждается и представителями индустрии. Например, технический директор Caterpillar называет важной проблемой интеграцию новых технологий в работу конкретной площадки. Caterpillar продает строительную технику с автономным управлением и голосового помощника. Он может прямо у машины давать советы по поиску неисправностей и их устранению. Решение интересное, но весьма недешевое. Работает оно на полутора миллионах подключенных машин и шестнадцати петабайтах собственных данных, а на подготовку сотрудников в области искусственного интеллекта, автономных систем и робототехники Caterpillar закладывает сто миллионов долларов в течение пяти лет при штате в сто восемнадцать тысяч человек.

Любопытная деталь из того же отчета Eurostat. Разброс между странами внутри Евросоюза оказался шире отраслевого, поскольку Дания дошла до 42,03 процента предприятий, а Румыния осталась на 5,21 — почти восьмикратная разница. Лидерами по внедрению ИИ являются страны Северной Европы (Дания, Финляндия, Швеция), следом Бельгия с Люксембургом и Нидерландами. Скорость внедрения также выше на севере: Дания в 2025 году прибавила больше четырнадцати пунктов — больше, чем вся доля предприятий в Португалии (11,54 процента). Греция стала единственной страной, где доля за год снизилась.

Сколько людей пользуется моделями

Сколько людей пользуется генеративными моделями, точно неизвестно. Собрать такую статистику практически невозможно, но попытки есть, и их мы и рассмотрим. Представители OpenAI в 2025 году заявляли о восьмистах миллионах еженедельных пользователей ChatGPT, а недавно сказали уже о миллиарде. Цифры, конечно, впечатляющие, но сообщаются они обычно в целях рекламы, и методика подсчета не раскрывается. Складывать аудитории разных сервисов между собой бесполезно — один и тот же человек может заходить в ChatGPT, Gemini, ГигаЧат, Midjourney и еще в десяток сервисов и заодно использует модели локально.

Но есть и более надежные источники информации. Microsoft считала распространение генеративных моделей по собственной телеметрии (методика описана здесь) с поправкой на долю операционных систем, проникновение интернета и население. В итоге получилось 16,3 процента жителей планеты во втором полугодии 2025 года против 15,1 полугодием ранее. Схожие цифры приводит независимая научная панель при ООН — больше миллиарда человек, пользующихся разговорными моделями еженедельно. Понятно, что это только часть от общего пула генеративных моделей.

Отдельно стоит упомянуть разрыв между государствами, отмеченный в материалах Microsoft. Этот разрыв растет — богатые страны активнее используют технологию генеративных моделей по сравнению с бедными. По степени использования генеративных моделей первые места занимают Объединенные Арабские Эмираты с 64 процентами и Сингапур с 60,9. США идут только двадцать четвертыми (28,3%), что довольно неожиданно для страны, где эти модели и разрабатывают. В России генеративными моделями пользуются 8 процентов жителей — вдвое ниже среднего мирового значения, но есть нюансы. Телеметрия Microsoft не видит ни Алису, ни ГигаЧат, ни YandexGPT, так что наши результаты скорее отражают использование западных сервисов, а не распространение технологии как таковой.

Краткий итог просмотра статистики очевиден: генеративные модели всё более популярны. Они интересуют как отдельных людей, генерирующих картинки с котиками или обсуждающих с чатами планы по завоеванию/спасению мира, так и крупные корпорации, стремящиеся увеличить свою прибыль. И вроде бы всё благостно, но вместе с ростом ажиотажа вокруг ИИ нарастает и количество противников этой технологии. Далее разберем, кто и почему пополняет ряды ИИ-луддитов.

Что происходит с рабочими местами

Пожалуй, на тему риска влияния ИИ на занятость нам попадалось больше всего заметок — этому и уделим больше всего внимания. И, приступая к изучению темы, мы ожидали именно здесь найти больше всего аналитики и реальных рисков от развития технологии генеративных моделей, но не тут-то было. Больше всех о грядущем вытеснении половины специальностей говорят не работники или профсоюзы, не представители академической среды, а главы компаний-разработчиков генеративных моделей или представители бизнеса. В целом их прогнозы можно выразить слегка исправленным мемом:

Причем некоторые сотрудники компаний доводят его до абсурда и примерно воспринимают результат интеграции ИИ примерно так:

Примеры столь неудачного подхода отлично описаны здесь, здесь и тут.

Наиболее осторожны представители академической среды, и к ним мы обратимся как к источнику, который вынужден следить за репутацией. Петрашку и Бырлан исследуют воздействие автоматизации и языковых моделей на рынок труда, при этом делая упор скорее на влияние инноваций на положение работников. Результат получился довольно сложным и может быть сведен к фразе «по ситуации», т. е. не смогли проследить явную зависимость снижения количества рабочих мест или ухудшения условий труда и автоматизации рабочих процессов.

Например, при разборе статистики по трем с половиной тысячам китайских промышленных предприятий обнаружили, что внедрение новых технологий сокращает численность работников и одновременно поднимает зарплаты оставшимся. В то же время внедрение промышленных роботов, по мнению исследователей, привело к сокращению мировой занятости на 1,3 процента, а по развивающимся странам — до минус четырнадцати. 

Авторы отдельно проверяли, отличаются ли работы про искусственный интеллект от работ про автоматизацию вообще, и не нашли различий. Отдельный плюс этой работы в том, что она не только о генеративных моделях, скорее даже наоборот, об автоматизации в целом. Авторы не нашли различий между внедрением роботов и чат-ботов в рабочие процессы в разрезе влияния на занятость. Все последствия подобного процесса зависят от того, как он проводится.

В докладе Всемирного банка Labor Demand in the Age of Generative AI фокус внимания смещен на то, как выход ChatGPT повлиял на рынок труда в США. Авторы использовали для анализа 285 миллионов объявлений о вакансиях в США за период с начала 2018 по середину 2025 года. И главная причина, почему мы выбрали это исследование, авторы разделили проблему на две: применима ли новая технология к задачам профессии в принципе и насколько ту или иную профессию вообще возможно отдать модели. Для второй проблемы они использовали набор из 6 признаков:

• необходимость общаться с людьми;
• ответственность за результат;
• физические условия работы;
• критичность задач;
• рутинность (повторяются ли задачи по одному сценарию или каждая требует нового решения);
• требования к квалификации.

Например, модель может выполнить задачи и секретаря, и преподавателя университета, но на практике секретарь действительно может быть заменен, а преподаватель нет, т. к. значимая часть его работы заключается в живом общении, поиске гибких подходов к обучающимся и высоком уровне ответственности за результат. Генеративные модели могут лишь дополнять труд таких специалистов. Авторы в качестве наиболее наглядной пары профессий сравнивают оператора ввода данных и водителя. Пояснения излишни, но ключевым является ответственность за ошибку. Отдельно авторы отмечают, что к части профессий генеративные модели в принципе неприменимы, среди них они называют полицейских и стоматологов.

Затем авторы провели сравнение по массиву вакансий для пар профессий, в которых одинаковая применимость технологии искусственного интеллекта, а вот удобство замены разное. Цифры ниже показывают не общее сокращение рынка вакансий, а разницу между такими группами. В результате получилось снижение количества вакансий примерно на 12 процентов в среднем за весь период исследования, и нарастанием скорости сокращения год к году, от 6 процентов в 2023 до 18 в 2025. 

Это исследование, конечно, может подтвердить опасения противников ИИ, но стоит отметить, что авторы не рассматривают вопрос создания новых профессий в результате развития технологии генеративных моделей и инфраструктуры для ее использования.

Обзор Нассима Дэуша включает 94 работы, посвященные проблемам влияния ИИ на рынок труда. Нас оно интересует именно потому, что напрямую исследует проблему сокращения вакансий. Количество вакансий на начальных и средних позициях в разработке и в создании текстов и изображений упало на величину от 14 до 41 процента в период с 2022 по 2024 (речь о развитых странах). На биржах фриланса заказы на написание текстов просели на 21 процент за полгода после выхода ChatGPT, а разметка данных, которую модели теперь делают сами, на 18 процентов.

Деуш, в отличие от предыдущей работы, обращает внимание и на положительное влияние развития генеративных моделей на рынок труда. Разбор данных LinkedIn по восемнадцати странам показал, что хоть количество вакансий, подходящих для замены моделями, сократилось на 14%, но стало на 26% больше вакансий, где человек работает вместе с моделью. Увеличивается и количество вакансий в информационной безопасности и в проверке готового кода — плюс 36 процентов за два года. Автор приходит к выводу о том, что устаревают не профессии, а привычный подход к организации труда. 

Поисковый трафик пропал?

Если с влиянием развития генеративных моделей на рынок труда всё не так однозначно, то проблема с поисковым трафиком наносит ощутимый вред владельцам сайтов. Например, переходы из поиска Google на сайты изданий за год к ноябрю 2025 года сократились по миру на треть. Некоторое время спасала от просадок лента Google Discover, но и она за тот же период снизилась на 21%. В целом ситуация следующая: стоит учитывать, что странные цифры получаются из-за того, что перед падением был подъем, поэтому падение в первом столбце больше, чем во втором. Также Google менял и алгоритмы в этот период:

Крупные американские социальные сети прекратили продвижение новостей за несколько лет до бума ИИ, и новостные издания уже тогда потеряли трафик, но в 2025 году произошел небольшой отскок, и трафик из социальных сетей вырос на 10–15 процентов. 

У новостников ситуация неприятная, но она значительно лучше, чем у небольших сайтов. По данным Axios, на сайты с просмотрами от одной до десяти тысяч в сутки за два года переходы из поиска упали на шестьдесят процентов, сайты средние (до 100 тысяч просмотров) потеряли сорок семь процентов, а крупные (более 100 тысяч просмотров) лишились двадцати двух процентов.

Разница, скорее всего, объясняется тем, что у крупных ресурсов есть своя аудитория и прямые заходы. Небольшие сайты живут в основном за счет поисковой оптимизации, и по ним как раз приходится сильный удар со стороны сводок, которые поисковик составляет прямо в выдаче. В результате сайты закрываются, например, NPR сообщает о том, что туристический блог The Planet D закрылся после падения посещаемости на девяносто процентов, а у CNN трафик просел примерно на тридцать процентов, у Business Insider и HuffPost — около сорока.

Можно было бы ожидать, что переходы из чат-ботов исправят ситуацию, но эти надежды не оправдались. Переходы из ChatGPT выросли больше чем вдвое за год, вот только доля их в общем объеме составляет две сотых процента, а у Perplexity две тысячных — это просто уровень статистической погрешности и никак не помогает владельцам сайтов. 

Подсчет SparkToro по кликам также неутешителен, и в нем не учитывались переходы с айфонов. В 2024 году на тысячу поисковых запросов в США приходилось около трехсот шестидесяти переходов на чужие для Google сайты, в Европе — около трёхсот семидесяти четырех. К 2026 году это число упало примерно до двухсот тридцати, то есть до неполной четверти. Остальные запросы либо заканчиваются ничем, либо уводят человека на сервисы самой Google, вроде YouTube, Карт и Картинок, куда приходится почти тридцать процентов всех переходов.

Позитив во всей этой ситуации все же удалось найти. По данным Chartbeat, общая посещаемость сайтов снизилась всего на шесть процентов, с 7,64 миллиарда просмотров в неделю в 2024 году до 7,19 миллиарда в 2025. Причем это снижение можно объяснить еще и тем, что в 2024 году было много крупных политических событий, обычно увеличивающих поисковый трафик. Снижение трафика касается именно поиска, а доля переходов по внутренним ссылкам поднялась с 38 процентов всех просмотров до 41. Выросла и доля переходов из почты, приложений и мессенджеров, с 7 до 10. Но выросшие доли считаются от сократившегося общего объема, что тоже стоит учитывать.

Найти действенные решения описанной проблемы не удалось, но есть забавное. Бразильская студия Seneda & Abrucio выпустила шрифт ShieldFont. Он показывает человеку одно, а сканеру отдаёт другое за счёт подмены глифов средствами самого шрифта. В результате читатель видит отрисованные на экране пиксели, а сканер забирает исходный код страницы, а в коде примерно четверть слов заменена на другие.

Есть и более радикальные способы борьбы. Боты режутся уже массово, причем в самых разных формах. Cloudflare, через которую проходит трафик изрядной части интернета, с пятнадцатого сентября 2026 года переводит все новые площадки в режим работы, где поисковый обход разрешён, а сбор данных для обучения на страницах с рекламой заблокирован. Бесплатные учетные записи переезжают туда автоматически. Заодно запущена выплата владельцам сайтов за появление их материалов в ответах чат-ботов. Но необходимо разделить поиск, агентов и обучение — можно что-то разрешать, а что-то запрещать. Сейчас у Google один робот собирает материал сразу для выдачи и для обучения, и остаться в поиске, отказавшись от обучения, невозможно.

ИИ и экология

Проблема влияния центров обработки данных на экологию не так популярна, как две предыдущих, но она представляется наиболее четко описанной и имеет точные объективные причины. Более того, она зависит и от того, насколько пользователи модели осознают, что, как и зачем они делают. Электричество и вода расходуются одинаково и при вдумчивой работе, и при генерации котиков, ответственность тут лежит на всех.

Международное энергетическое агентство оценивает потребление всех центров обработки данных в мире примерно в 415 тераватт-часов за 2024 год, что составляет около полутора процентов мирового потребления, и прогнозирует рост примерно до 945 тераватт-часов к 2030 году (примерно три процента от прогнозируемого мирового потребления). 

Сектор растет примерно на пятнадцать процентов в год, что примерно в четыре раза быстрее, нежели энергопотребление в других отраслях. Лидерами по приросту выступают США и Китай, на них приходится около восьмидесяти процентов прироста. Три процента мирового энергопотребления не выглядят как что-то катастрофическое, но это если смотреть издалека. Если ты живешь рядом с центрами обработки данных, они могут восприниматься иначе. Часто можно встретить на просторах сети посты и о жалобах на шум, и о том, какие молодцы те фермеры, которые не продали свою землю «злым» корпорациям под дата-центры.

Такой негатив не нов и интернационален. Например, на моей малой родине есть небольшой культ города Мологи, затопленного ради строительства гидроэлектростанции. И его сторонники не вспоминают о том, что благодаря строительству ГЭС и судоходство по Волге стало проще, и энергоснабжение Москвы было налажено в годы Великой Отечественной войны. Примеров таких в истории очень много.

Сложнее ситуация с водой — она требуется для систем охлаждения центров обработки данных, и нужно ее много. 

Можно примерно представить себе масштаб на примере США:

Как мы видим, доля потребления воды центрами обработки данных составляет меньше процента — на фоне сельского хозяйства и энергетики это немного. Проблема скорее в размещении ЦОДов. Например, в отдельно взятом городе в Орегоне центры обработки данных Google забирали больше четверти всей городской воды. Также в статистике не учитывается та вода, которая тратится на выработку электричества для центров обработки данных. Экономия воды достигается переходом на воздушное и погружное охлаждение, но оно требует больше электричества, а испарительные градирни экономят электричество ценой воды. Возможным решением является перенос крупных центров обработки данных в малонаселенные и подходящие по климату регионы, но в этом случае всё упирается в деньги и необходимую инфраструктуру.

Кто еще недоволен генеративными моделями

Выше были перечислены самые существенные претензии противников генеративных моделей, но на самом деле недовольных много и проще собрать их в таблицу:

Самая массовая претензия — нейрослоп. Сложно найти человека, которого бы не раздражал такой тип контента, разве что ценители. И тут можно только выразить свое отношение к этой проблеме, ведь претензия на самом деле не к технологии. Инструмент поменял только цену производства конечного результата. Если раньше сотня статей без содержания стоила значительных временных затрат, сейчас ее можно сделать за один вечер усилиями одного человека и чат-бота. 

Подобных статей, картинок, видео и раньше было много, но теперь их просто абсурдное количество. Однако решение об их публикации принимают отдельные люди и платформы — с них и должен быть спрос, а не с инструмента. Это, кстати, подходит и для студенческих работ. Те, кто их раньше заказывал на биржах, теперь генерируют, и тут уж вопрос к научным руководителям, как это они не в курсе, сам человек писал или все же получил работу иным образом. 

Забавно, что первыми на поток нейрослопа отреагировали не читатели, а сама отрасль. Anthropic встроила в свои модели криптографические метки стандарта C2PA, Spotify начал помечать исполнителей, созданных моделями, и убирать их из рекомендаций, а Suno по условиям сделки с Warner Music ограничила бесплатным пользователям скачивание семью треками за все время существования учетной записи и встроила в музыку неразличимый человеком водяной знак, по которому стриминговые сервисы определяют происхождение файла. Получается, что отрасль начала самостоятельно отделять сгенерированное от сделанного руками.

Отдельного упоминания заслуживает история с книгами, поскольку она задевает даже тех, кому все прочие претензии безразличны. Летом 2025 года суд установил, что Anthropic уничтожила миллионы печатных книг ради обучения моделей, срезая корешки и сканируя страницы. Внутри компании у этой работы было кодовое название Project Panama. Способ этот самый дешёвый и быстрый, но в этом и заключается вся суть претензии, ведь книгу можно оцифровать, не уничтожая, только это будет дороже стоить. Internet Archive делает именно так, вручную переворачивая страницы и поднимая стекло ножной педалью. Одна их сотрудница за десять с лишним лет отсканировала больше трёх миллионов страниц и восемнадцать тысяч изданий. Медленно, дорого, зато книга остаётся книгой. 

В дальнейшем эта история породила множество слухов об уничтожении редких антикварных книг, но эти слухи тот же Anthropic отрицает. Верить или не верить в это — дело вкуса. И тут вроде всё понятно: жадность и стремление сократить временные затраты приводят к уничтожению книг, и это, конечно, печально. Но вряд ли подобное можно считать доводом против самой технологии. На мой взгляд, есть некоторая доля лицемерия в критике. После распада СССР у нас закрыты множество библиотек, фонды которых либо уничтожены, либо — особенно ценная их часть — растасканы, и об этом по неведомой причине молчат, и возмущений не слышно.

Что в итоге

Большая часть претензий к генеративным моделям почти всегда может быть сведена к тому, кто их применяет и как. Если пилить молотком, результат выйдет посредственный, и виноват в этом будет не молоток.

Ажиотаж вокруг темы массовых увольнений из-за генеративных моделей хоть и имеет под собой основания, но апокалипсиса пока не видно. Да и в истории было много похожего. Профессия будильника, человека, который за небольшую плату стучал утром в окна рабочих, исчезла с распространением дешевых часов, и никто по ней не тоскует. Огораживания в Англии, когда овцы, по известному выражению, съели людей, обернулись катастрофой для целого поколения крестьян, зато сегодня жалеть об отсутствии промышленного производства мало кому приходит в голову. Конвейер и промышленные роботы прошли тот же путь, каждый раз с шумом, каждый раз с ощущением, что уж теперь-то все кончено. Еще в начале 90-х в школе рассказывали, что скоро всех заменят роботы, и как?

Само слово «луддиты» тоже стоит употреблять аккуратно, поскольку оно имеет разное значение в зависимости от того, кто его произносит. Им называют и людей с конкретным набором взглядов на технику, отнимающую кусок хлеба, и мракобесов, отрицающих развитие как таковое, и просто оппонента в споре, которому нечего возразить по существу. Противники генеративных моделей тоже разные. Мы разобрали их категории и заведомо охватили не все. И если бы не шумиха вокруг технологии, недовольных было бы заметно меньше. Раздражают людей не столько сами модели, сколько обещания, которые раздают компании-разработчики, и нейрослоп.

Пока генеративные модели явно не стали новой промышленной революцией, а вот новым способом организации труда генеративные модели уже становятся.