Мельников Е.В., ведущий инженер-программист Гомельской ОНТБ

Искусственный интеллект: коллега или конкурент?

В 2025 году произошло событие, которое еще несколько лет назад казалось невозможным. На Международной математической олимпиаде (IMO) две модели искусственного интеллекта (ИИ) – от Google и от OpenAI – смогли получить золотые медали [1]. Чтобы осознать масштаб этого достижения, нужно понимать, что такое IMO. Это самое престижное математическое соревнование в мире, которое проводится с 1959 года. Каждая страна отправляет на него шестерку лучших умов, прошедших жесткий отбор на национальных олимпиадах. Участники IMO должны не просто найти ответ на предложенное задание, а написать строгое многостраничное доказательство, выстроив цепочку логических рассуждений, которую затем оценят эксперты. Поэтому взятие золотых медалей искусственным интеллектом, который обошел в соревновании человека с его умом и талантом, – это особый исторический момент.

Несколькими месяцами позже история повторилась на чемпионате мира по программированию (ICPC) в Баку [2]. Системы искусственного интеллекта соревновались по тем же правилам, что и люди: те же задачи, тот же лимит времени, те же условия проверки. Одна из моделей ИИ показала идеальный результат – 12 из 12 задач. Лучший результат среди людей – 11 задач. Таким образом, ИИ обошел лучших программистов планеты.

Эти победы поставили под сомнение утверждение, на котором десятилетиями держалось спокойствие образованного класса: машины заменят физический труд, а интеллектуальный всегда останется за человеком. Предыдущие волны автоматизации били по фабричным рабочим и складским служащим. Теперь в уязвимом положении оказались профессии, требующие высшего образования, аналитического мышления и многолетней подготовки.

В январе 2024 года в Давосе глава Международного валютного фонда Кристалина Георгиева представила доклад, основная мысль которого заключается в том, что искусственный интеллект затронет 40% рабочих мест по всему миру. А в развитых странах эта цифра может достигать 60% [3].

В мае 2025 года Международная организация труда ООН (МОТ) опубликовала глобальный индекс воздействия генеративного ИИ на занятость [4]. Она пришла к выводу, что до четверти всех рабочих мест в мире будут трансформированы под влиянием ИИ. А в развитых странах доля уязвимых профессий достигает 34% против 11% в беднейших экономиках.

И это еще довольно умеренные оценки. Проблема касается не только программистов и математиков, но и других специалистов. В частности, вопрос о будущем профессии стоит и перед сотрудниками библиотек, значительная часть работы которых – это работа с информацией.

Но что происходит на самом деле? Все ли так однозначно?

Что происходит в реальных задачах

В феврале 2024 года шведский финтех-гигант Klarna заявил, что он заменил 700 реальных сотрудников поддержки решением на основе искусственного интеллекта. Руководство объяснило это тем, что так компания сможет обрабатывать больше запросов и существенно снизит операционные издержки. Однако спустя год позиция компании радикально изменилась. Компания признала, что ИИ ухудшил качество клиентского опыта: количество повторных обращений росло, клиенты часто оставались недовольны поддержкой или вовсе не получали помощь. В итоге компания вернула людей на эту должность [5].

Также в этом году в неприятную ситуацию попала авиакомпания Air Canada, которой пришлось выплачивать компенсации своим клиентам из-за ложных обещаний своего чат-бота. Искусственный интеллект, который должен был помогать с покупкой билетов, предлагал клиентам скидки на билеты, которые выдумывал сам [6].

В 2025 году компания Anthropic – одна из ведущих лабораторий мира по разработке систем ИИ – провела эксперимент, чтобы определить степень самостоятельности ИИ.

В собственном офисе компании установили «умный» киоск с едой и напитками. Управление им полностью доверили одной из самых мощных на тот момент моделей искусственного интеллекта. Задачей ИИ было вести малый бизнес: закупать товары, общаться с клиентами в чате, устанавливать цены и генерировать прибыль. ИИ дали доступ в интернет, бюджет в 1000 долларов и полную свободу действий [7].

Эксперимент обернулся финансовым и управленческим провалом. ИИ легко соглашался на скидки и даже раздавал товары бесплатно, когда его об этом просили. Однажды он даже потратил деньги на закупку дорогих вольфрамовых кубиков, решив, что это ходовой товар, потому что кто-то о них спросил в чате. Он неправильно выставлял цены, в результате потенциально прибыльные товары уходили ниже себестоимости, и допустил много других странных и нелепых ошибок, которые не совершил бы человек даже с минимальным опытом.

Все эти случаи показывают фундаментальную проблему: высокий IQ машины в идеальных условиях тестов и олимпиад не конвертируется автоматически в умение вести дела в реальном мире.

Что не так с искусственным интеллектом

Почему так происходит? Как система, способная решать сложнейшие задачи и побеждать на чемпионатах мира, оказывается бесполезной при продаже газировки и совершает ошибки, свойственные ребенку? Почему гений в тестах становится профаном в реальной жизни?

Корень проблемы кроется в природе современных нейросетей. Важно осознать: ИИ не обладает подлинным мышлением, он лишь виртуозно его имитирует. В своей основе языковая модель – это статистический генератор текста. ИИ стремится сгенерировать текст, который выглядит связным и нравится человеку, а не тот, который соответствует истине или здравому смыслу. Когда модель не знает ответа, она не говорит «я не знаю» – она генерирует то, что статистически похоже на правильный ответ. Этот эффект называют «галлюцинации». Для библиотечной работы это критично: ИИ может уверенно выдать библиографическую ссылку на статью, которой не существует, – с правдоподобным названием, фамилией автора и даже номером журнала.

Вторая проблема – граница между интерполяцией и экстраполяцией. ИИ превосходно работает «внутри» тех данных, на которых учился (интерполяция). Если задача похожа на что-то из обучающей выборки, модель справится блестяще. Но как только нужно выйти за пределы знакомых паттернов (экстраполяция), применить знания к новой ситуации, адаптироваться к неожиданным обстоятельствам, ИИ начинает буксовать. Олимпиадные задачи при всей их сложности имеют четкую структуру и критерии правильного решения. Реальная жизнь – нет.

Третья проблема – буквальное следование инструкциям без осмысления намерения. Если попросить ИИ добавить в презентацию графики, он может сделать презентацию, состоящую из одних графиков, хотя очевидно, что имелось в виду другое. Человек в такой ситуации спросит: «В каком слайде должен быть график? Вместо текста или вместе с ним? Какие именно данные визуализировать?» У ИИ таких вопросов не возникает. Он понимает запрос буквально и исполняет его с максимальным усердием, не задумываясь, имеет ли результат смысл. Там, где человек видит неоднозначность и уточняет задачу, ИИ видит инструкцию и действует.

Четвертая проблема – узость доступного контекста. ИИ обрабатывает только те данные, которые ему сообщили: текст запроса, прикрепленные файлы, историю переписки. Но в реальности контекст намного шире. Когда человеку поручают отправить отчет, он знает, каким ПО пользуются коллеги, в какое время им удобнее читать документы, какие моменты требуют пояснений, а какие можно опустить. Если сотрудник знает, что его коллега просматривает письма с телефона, он не станет пересылать по электронной почте огромную таблицу Excel, а предоставит данные в другом формате. Для ИИ социальный и бытовой контекст остается «слепой зоной», из-за чего результат его работы часто выглядит неуместным или неудобным для использования.

Пятая проблема связана с пониманием смысла. ИИ напоминает студента, который прочитал сотни статей перед экзаменом, но не связал их в единое целое. Он может пересказать материал разными словами, процитировать определения, привести примеры, но при этом не осознавать, что два разных описания говорят об одном и том же. Он может использовать красивые формулировки и умные слова, не замечая при этом противоречий. У него нет знаний о внутреннем устройстве мира, которые позволили бы изложить суть однозначно, достоверно и непротиворечиво.

Все это объясняет парадокс, с которого мы начали. Тесты, олимпиады, экзамены – это закрытая система с четкими правилами, однозначными критериями и задачами из области, где ИИ может анализировать миллионы примеров. Реальный мир – система открытая: изменчивые цели, фрагментарность информации, необходимость учитывать то, что никто не произнес вслух. ИИ блестяще сдает экзамены именно потому, что они созданы для проверки знаний в контролируемых условиях. Но работа – это не экзамен.

Стоит ли хоронить ИИ?

После такого списка недостатков может возникнуть вопрос: если искусственный интеллект настолько ненадежен, зачем он вообще нужен? Может, это очередной пузырь, который скоро лопнет?

Сделать такой вывод было бы ошибкой. Да, ИИ не способен заменить человека. Но у него есть преимущества, в которых он демонстрирует превосходство.

Главное из них – скорость работы с информацией. То, на что у человека могут уйти дни и недели, ИИ выполнит за секунды. Представьте, что сотруднику библиотеки нужно сделать тематическую справку по узкоспециальной теме. Для этого потребуется просмотреть сотни источников, отсортировать релевантные работы и из них отобрать ключевые. Это может занять не один рабочий день. ИИ способен за пару минут проанализировать массив данных, отсортировать материалы по категориям и выдать краткую аннотацию по каждой из них.

Второе преимущество – способность оперировать данными огромных размеров. С точки зрения биологии, человеческий мозг имеет ограничения: мы можем удерживать в фокусе внимания одновременно только несколько объектов. Нейросети могут иметь дело с тысячами параметров, находя закономерности, которые не увидит человек. Например, ИИ может одномоментно сопоставить статистику запросов читателей, демографические данные, результаты массовых мероприятий и выявить неочевидные корреляции, оставшиеся вне поля зрения человека.

Третья сильная сторона – умение комбинировать существующие паттерны. ИИ не создает ничего принципиально нового, но умеет виртуозно собирать из имеющихся «кубиков» новые конструкции. Это оказывается полезным в огромном количестве задач: при написании постов для соцсетей, докладов и отчетов, подготовке афиш к мероприятиям, составлении текстов для сайта, генерации вариантов оформления. Большинство рабочих задач требует не гениальных прорывов, а грамотной компоновки известных решений.

И, наконец, самое очевидное: искусственный интеллект не устает. Он не болеет, не уходит в отпуск, не теряет мотивацию. Он может обрабатывать запросы в три часа ночи с тем же качеством, что и в полдень. Для задач, требующих постоянного присутствия – от первичной обработки обращений до круглосуточной модерации контента, – это не просто удобство, а принципиально другая экономика.

Все это не отменяет ограничений, описанных выше, но означает, что списывать технологии со счетов – значит игнорировать реальность. Вопрос не в пользе ИИ или ее отсутствии, а в определении грани между тем, что ему можно доверить и что нельзя.

Смена парадигмы: не «вместо», а «вместе»

Мы привыкли сравнивать искусственный интеллект с человеком: кто умнее, кто быстрее, кто надежнее. Такое сравнение ошибочно. Это все равно что пытаться выяснить, кто лучше: экскаватор или прораб. Экскаватор копает быстрее и глубже. Но прораб знает, где именно нужно копать, чтобы не перебить кабель связи и не обрушить соседнее здание.

Если внимательно посмотреть на плюсы и минусы ИИ, можно заметить любопытную картину. Там, где ИИ силен – в скорости, объеме, неутомимости, – человек слаб. Там, где ИИ слаб – в понимании контекста, проверке достоверности, работе с неявным знанием, – человек силен. Это не конкуренция, а взаимодополнение.

Именно в этой точке схождения рождается новая модель профессиональной деятельности. Есть мнение, что некоторые профессии исчезнут с внедрением ИИ, но те, кто так считает, допускают ошибку, представляя, что рабочий стол сотрудника опустеет, а работу будет делать невидимый алгоритм. История технологий учит нас другому: профессии не исчезают, они трансформируются.

Вспомните работу библиотекаря до появления компьютеров и интернета. Тогда библиотекарь был живым поисковиком, а сам поиск превращался в настоящее расследование. Казалось бы, появление компьютеров и интернета должно было убить эту профессию. Но профессия не исчезла, а эволюционировала. Рутинное перекладывание бумажных карточек ушло в прошлое, уступив место управлению электронными базами данных, работе с наукометрическими системами и ЭДД.

То же самое происходит сейчас. Место библиотекаря не опустеет. Но требования к нему кардинально изменятся. Конкуренция развернется не между людьми и машинами – ИИ не заменит человека. Но человека заменит другой человек, который умеет эффективно использовать искусственный интеллект.

Поэтому бояться нужно не технологий, а профессионального застоя. Каждый, кто игнорирует происходящее или ждет, пока «все это пройдет», рискует оказаться за бортом технологического прогресса.

Список использованных источников

1. Cai, K. Google clinches milestone gold at global math competition, while OpenAI also claims win / K. Cai, J. Singh // Reuters. – URL: https://www.reuters.com/world/asia-pacific/google-clinches-milestone-gold-global-math-competition-while-openai-also-claims-2025-07-22/ (date of access: 09.02.2026).
2. OpenAI topped the leaderboard with a perfect score at the ICPC 2025 programming competition, and Gemini also achieved a gold medal level // 36Kr. – URL: https://eu.36kr.com/en/p/3472035619460996 (date of access: 09.02.2026).
3. Tan, K. W. K. AI will affect about 40% of global jobs: IMF / K. W. K. Tan // BUSINESSINSIDER. – URL: https://www.businessinsider.com/ai-affect-about-40-percent-global-jobs-imf-2024-1 (date of access: 09.02.2026).
4. Generative AI and jobs : a refined global ind. of occupational exposure : ILO Working paper 140 / P. Gmyrek, J. Berg, K. Kamińsk [et al.]. – Geneva, [2025]. – 76 p. // International Labour Organization. – URL: https://researchrepository.ilo.org/esploro/outputs/encyclopediaEntry/Generative-AI-and-jobs-a-refined/995653520102676 (date of access: 09.02.2026).
5. Klarna walks back AI overhaul: rehires staff after customer service backlash // LaSoft. – URL: https://lasoft.org/blog/klarna-walks-back-ai-overhaul-rehires-staff-after-customer-service-backlash/ (date of access: 09.02.2026).
6. Proctor, J. Air Canada found liable for chatbot’s bad advice on plane tickets / J. Proctor // CBC. – URL: https://www.cbc.ca/news/canada/british-columbia/air-canada-chatbot-lawsuit-1.7116416 (date of access: 09.02.2026).
7. Project Vend: can Claude run a small shop? (And why does that matter?) // ANTHROPIC. – URL: https://www.anthropic.com/research/project-vend-1 (date of access: 09.02.2026).