💶 «Двигает» ли ИИ экономику?

Недавно OpenAI представили GDPval, новую метрику, которая измеряет не абстрактные тесты, а способность моделей искусственного интеллекта выполнять реальные, оплачиваемые задачи из профессий, которые формируют ВВП

❗️Почему это важно бизнесу?

🔹 Фокус на работе, а не на игрушечных бенчмарках

В GDPval собрали 1 320 задач по 44 профессиям в 9 крупнейших по доле в ВВП отраслях США - от юристов и бухгалтеров до инженеров и менеджеров проектов. Это презентации, отчёты, сметы, юридические документы, таблицы - те самые артефакты, за которые платят деньги

🔹 Оценка как в жизни

Готовые работы от моделей вслепую сравнивают с человеческими эксперты соответствующих профессий (в среднем 14+ лет опыта). Результат - ранжирование «лучше / на уровне / хуже». Это максимально близко к реальной «приёмке»

🔹 Экономический смысл, а не только точность

В фокусе - производительность и качество по профессиям, которые дают львиную долю зарплат и выручки в отраслях, отобранных по вкладу в ВВП (отрасли с >5% ВВП). Это позволяет делать прогнозы не про «IQ модели», а про прибавку к марже и обороту

⁉️ Что это значит на практике?

1️⃣ ROI-сценарии становятся прозрачнее

Если модель стабильно выдаёт артефакты уровня middle-специалиста в конкретной профессии, это прямой вход в калькуляцию: стоимость inference vs. ставка сотрудника, скорость цикла, SLA по качеству

важно: В сопутствующих обзорах отмечают прирост качества и кратный выигрыш в скорости/стоимости на ряде задач - сигнал к пересборке unit-экономики в бэк-офисе и консалтинге

2️⃣ Стратегия - «переупаковка процессов», а не замена людей

GDPval фиксирует прогресс на «одношаговых» задачах: подготовить черновик, свести данные, наметить план. Это идеальное поле для «человек + ИИ»: человек ставит цель и даёт обратную связь, модель делает тяжёлую рутину. Следующая версия обещает больше интерактивности - ещё один плюс в пользу конвейеров «черновик→ревью→итерация»

3️⃣ Управление рисками - через дизайн задач

Раз задачи привязаны к профессиям и артефактам, их можно обернуть в контролируемые пайплайны: чек-листы, шаблоны, валидаторы, аудит следов (who/what/when). Это снижает операционные риски и упрощает комплаенс. Самое время напомнить про мою статью о том, как бизнесу угнаться за обновлениями ИИ

🚀 Как применить эту информацию в вашей компании уже сейчас?

👉 Возьмите 5–10 типовых результатов из одной функции (например, финансы или юрподдержка), превратите их в «GDPval-подобные» задачи с примером входных данных и эталонным выходом

👉Проведите A/B: «человек-соло» vs «человек + ИИ-черновик» с тайм-трекером и рубрикой оценки качества (градации «лучше/на уровне/хуже»). Считайте стоимость, скорость, долю доработок.

👉Сформируйте «каталог задач» с метками: автоматизируемые, ассистируемые, нецелесообразно - и привяжите к P&L (экономия OPEX, сокращение TTM).

___

Хочется отметить, что в целом, я рад сдвигу ИИ от решения умных головолоком к экономике производительности.

Для руководителей компаний это инструмент, чтобы связать ИИ-инициативы с P&L: видеть, какие именно профессии и какие типы работ уже сегодня дают измеримый эффект и где пора перестраивать процессы под «человек + ИИ»