Kui tehisintellektist saab taristu. Mille eest meile siis makstakse?

Alustasin ITs Javaga. Oskus tarkvara kirjutada andis toona väga konkreetse eelise: kui ettevõttel oli vaja oma töökorraldusele vastavat süsteemi, ei sündinud see ilma inimesteta, kes oskasid koodi kirjutada. Praegu kavandan ise tehisintellekti kasutavaid süsteeme ja mõtlen üha sagedamini, mis sellest eelisest saab. Mulle tundub, et meie, programmeerijad, võime sattuda samasse olukorda nagu ratsanikud pärast auto tulekut. Hobusega saab ikka sõita. Lihtsalt iga sõidu jaoks pole ratsutamisoskust enam vaja.
Minu hüpotees on järgmine: igasugune töö, mis tugineb etteaimatavale mõttekäigule, läheb aja jooksul üle tehisintellektile. Etteaimatav on siin tööviis. Rakendus võib olla ainulaadne ja eksperdiarvamus käsitleda olukorda, mida pole varem ette tulnud. Kui süsteem suudab usaldusväärselt jõuda lähteandmetest tulemuseni, seda kontrollida ja tavapäraste eranditega toime tulla, saab töö automatiseerida. Küsimus on kogukulus, kui arvestada ka vigu, parandusi ja edasist hooldust.
Kujutame ette, et oleme ülemineku juba läbinud. Kiipe jagub, konkurents on kaotanud sõltuvuse ühest arvutusvõimsuse pakkujast ning tehisintellekt on taskukohane nii perele kui ka väikesele töökojale. Muutunud on ka harjumused: juhid, töötajad ja kliendid oskavad seda kasutada ning töökorraldus on selle järgi ümber kujundatud. Robotid võivad füüsilises maailmas levida omas tempos. Nende jaoks läheb endiselt vaja seadmeid, paigaldust ja hooldust.
Selles maailmas tahan mõista, mis saab tööst, mida hakkame kiiremini tegema ja kellel on raha, et selle kiirenduse vilju osta.
Programmeerijad, tehisintellekti operaatorid ja töökoja omanik
Kujutame ette väikest töökoda. On broneeringud, eri oskustega meistrid ja tööd, mis telefoni teel võtavad justkui kakskümmend minutit, aga kalendris pool päeva. Varem pidi omanik kas sättima oma töö valmisprogrammi järgi või tellima muudatused. Nüüd näitab ta tehisintellektile tegelikke broneeringuid ja erandeid, selgitab maksmise reegleid ning saab oma töökorraldusele vastava rakenduse. Kuu aja pärast muutuvad lahtiolekuajad ja ettemaksu tingimused. Rakendus muutub koos nendega.
Algul vahendab omaniku ja süsteemi suhtlust tehisintellekti operaator. Ta kogub nõuded, ühendab teenused ja uurib välja, miks laupäevane broneering jälle kaduma läks. Seejärel muutub osa tema tegevustest korratavaks ja süsteem võtab need üle. Sama loogika, mis kehtib koodi kirjutamise puhul, kehtib ka ülesande sõnastamise, arhitektuuri kavandamise ja tulemuse kontrollimise puhul. Keerukam töö nihutab automatiseerimise piiri ja see piir liigub edasi.
Seda pean silmas, kui ütlen, et ITst saab tavakaup. Tarkvara loomine ja muutmine muutub kõigile kättesaadavaks tootmisvõimekuseks. Tarkvara tekib ka sinna, kus varem poleks keegi tulnud mõttele eraldi arendust tellida. Ühine makse-, raamatupidamis- ja andmevahetustaristu jääb vajalikuks ning selle peale tekivad üksikute töökodade, perede ja meeskondade rakendused. Nõudlus tarkvara järele võib olla suur ka siis, kui käsitsi arendamise hind langeb ja arendusmeeskonnad kahanevad.
Matemaatilist mõtlemist ma siiski maha ei kannaks. Kui paluda tehisintellektil broneeringute arvu suurendada, võib see ülesandega suurepäraselt hakkama saada: kalender on täis, kliendid ootavad, meistrid väsivad ja kasum väheneb. Keegi peab tähele panema, et broneeringud, tasutud tööd ja kasum on kolm eri suurust. Selleks tuleb osata ülesannet täpselt sõnastada, eeldusi kontrollida, piiriolukordi märgata ja mõõdupuud muuta, kui see viib absurdse tulemuseni. Aja jooksul aitab tehisintellekt ka siin. Sellise mõtlemisega inimene saab oma valdkonnas lahendada keerulisemaid ülesandeid, olgu selleks programmeerimine, logistika või koduõpe.
Tööd võib tulla juurde ja töökohti jääda vähemaks
Oletame, et varem kulus ühe teenuse osutamiseks viis tundi inimtööd ja nüüd kulub üks. Isegi kui kliente tuleb kolm korda rohkem, jääb inimtöötunde kokku 40% vähemaks. Sama tundide arvu jaoks peab nõudlus kasvama viiekordseks. Kui madalam hind avab turu, kus teenust ostetakse kaheksa korda sagedamini, tuleb inimtöötunde hoopis juurde. Seepärast küsiksin iga valdkonna puhul eraldi, kui palju inimtööd ühte teenusesse jääb ja kui palju saab nõudlus kasvada. Mõju ulatub ka teistesse valdkondadesse: inimesed ja ettevõtted võivad säästetud raha mujal kulutada. Daron Acemoglu ja Pascual Restrepo automatiseerimisest ja uutest tööülesannetest.
Eriti huvitab mind see, kuidas ametisse jõutakse. Kust tulevad inimesed, kellele kümne aasta pärast keeruline töö usaldada, kui algajatele täna lihtsaid ülesandeid enam ei anta? USA palgaarvestuse andmed 2026. aasta juunini näitasid, et tehisintellektist tugevalt mõjutatud ametites jäi 22–25-aastaste tööhõive areng maha vähem mõjutatud eakaaslaste omast, peamiselt seetõttu, et neid värvati vähem. Autorite sõnul on see esialgne tähelepanek, mille põhjal ei saa veel põhjuslikkust kindlaks teha. Taanis muutus kahe aasta jooksul pärast ChatGPT ilmumist tööülesannete koosseis, kuid märgatavat nihet sissetulekus ega registreeritud töötundides teadlased ei leidnud. See on veel üks põhjus jälgida algtaseme tööpakkumisi ja ametisse jõudmise võimalusi: keskmine palk võib muutuda palju hiljem. Stanford Digital Economy Lab · Humlumi ja Vestergaardi uurimus Taani kohta.
Rutiinses raamatupidamises, klienditoes ja haldustöös saab üks meeskond hakkama palju suurema hulga juhtumitega. Õiguses ja rahanduses liigub osa tööst keerukate vaidluste, oluliste otsuste kontrollimise ja asutuste vastutuse juurde. Töötajate nappus üksi ei taga head palka. Eakate hooldajaid võib väga vaja minna, aga kui perede ja asutuste eelarved on piiratud, võivad nende palgad jääda väikeseks. OECD pikaajalise hoolduse töötajate nõudlusest.
Teadus kiireneb. Katsetootmises tuleb tööd juurde
Mind huvitab selles stsenaariumis kõige rohkem teadus. Kui uurimistöid saab kiiresti võrrelda, variante läbi mängida ja katseid kavandada, tasub kaaluda palju rohkem hüpoteese. Kui laboris jõutakse endiselt kontrollida kümmet varianti kuus, tekib lihtsalt pikem järjekord. Tegelik kiirenemine algab siis, kui õnnestub sulgeda ring „hüpotees → katse → andmed → järgmine hüpotees“.
Selle ringi osi on juba näha. AlphaFold 3 parandas molekulaarsete komplekside struktuuri arvutuslikku ennustamist. Materjaliteaduses sidus A-Lab arvutusliku sõelumise füüsiliste katsetega automatiseeritud laboris. Mina teen sellest praktilise järelduse: kui ideede otsimine odavneb, kasvab heade mõõtmiste, seadmete, katsete automatiseerimise ja sõltumatu kontrolli väärtus. AlphaFold 3 ajakirjas Nature · A-Lab ajakirjas Nature.
Edasi tuleb kasutuselevõtt. Digitaalse prototüübi saab peaaegu kohe inimeste kätte anda. Uut tööstusmaterjali peab tootma vajalikus mahus ja kontrollima selle vastupidavust. Esimene ostja peab olema valmis muutma oma tootmisprotsessi. Energeetikas kiirenevad arvutused varem kui elektrivõrkude ehitus. Ehituses saab projekte kiiresti võrrelda, kuid ehitusplatsil on oma ajakava. Ootan, et rohkem tööd ja investeeringuid liigub sinna, kus arvutused kohtuvad füüsilise maailmaga: katsetootmisse, katseplatsidele ja süsteemidesse, mis tagavad igapäevase töö.
Arvutuskiirus jätab lahtiseks veel ühe küsimuse. Kes määrab uuringute suuna ja maksab kasutuselevõtu eest? Võime kiirendada odava energiasalvestuse, hooldustöö vahendite või inimeste rakenduses hoidmise võtete arendamist. Igal eesmärgil on omad tellijad. Areng võib kiireneda, kuid selle suund sõltub endiselt sellest, kes otsustab ja kelle käsutuses on ressursid.
Isikupärased teenused muutuvad kättesaadavamaks. Inimese osalusel on endiselt hind
Capybaras näen eriti selgelt kaht erinevat isikupärastamise viisi. Odavamaks muutub lapse konkreetsele lüngale sobivate harjutuste koostamine, õppetempo valimine ja järgmise tunni materjali ettevalmistamine. Aga mõista, miks pärast head ühist arutelu ei taha kodus jälle keegi vihikut avada, tähendab tegelda ka pere harjumuste, ootuste ja kokkulepetega. Pere võib maksta juhendajale, kui talle on tähtis, et konkreetne inimene tunneks olukorda ja vaataks kahe nädala pärast uuesti üle, mis päriselt toiminud on.
Sarnane loogika võib kujuneda hoolduses, remondis, juhendamises, koduteenustes ja loometöös. Tehisintellekt võtab üle osa ettevalmistusest, tõlkimisest, broneerimisest ja kooskõlastamisest. Väike meeskond saab võtta vastu tellimusi, mis varem olid liiga väikesed või ebaharilikud. Meedias paistab sama protsess peaaegu vastupidisena: digisisu hulk kasvab, ühe töö hind võib langeda ning ligipääs publikule ja püsivad suhted loojatega saavad rohkem kaalu. Mõlemal juhul vähendavad kättesaadavad vahendid tootmiskulu. Teenusepakkuja sissetulek sõltub ka sellest, kui palju kliente ta leiab ja mille eest need kliendid on valmis maksma.
Näen otsest seost sellega, mida ma DOGEstonias kavandan. Kujutame ette, et väikepoodide ja teenusepakkujate pakkumisi leiavad eri tehisintellekti abilised. Siis võib väike töökoda ilmuda konkreetse töö otsingutulemustes ka inimesele, kes pole sellest varem kuulnud. Kui enamik valib ühe abilise kaudu, kes kontrollib nii tulemusi kui ka tehingut, tekib töökojale uus väravavaht. Just see huvitab mind avatud ettevõtlussõlmede registri puhul: kes otsustab, milliseid pakkumisi ostja näeb, kui otsing ja valik delegeeritakse üha sagedamini masinale? OECD konkurentsist ja tehisintellekti agentidest.
Mille eest me kogu seda küllust ostame?
Minu jaoks on see põhiküsimus. Automatiseerimisest saadav sääst võib jõuda ostjateni madalamate hindadena, töötajateni sissetuleku või vaba ajana, omanikeni kasumina ja ühiskonnani maksudest rahastatud teenustena. Ühesugune ligipääs tehisintellektile võib anda väga erineva tulemuse.
Kujutame ette peret, kelle töötulu on vähenenud. Pere saab tasuta tõlke, õppematerjali ja oma rakenduse. See on tegelik võit. Aga kui suurem osa eelarvest kulub eluasemele, toidule, energiale ja hooldusele, sõltub ostujõud peamiselt nende hindadest. Piiratud pakkumise korral, näiteks mugavas piirkonnas eluaset otsides, võib osa säästetud rahast liikuda napima ressursi omanikele. Investeeringud seadmetesse ja teadusse võivad seejuures kiiresti kasvada, isegi kui pered kulutavad iseendale ettevaatlikumalt.
Näen mitut võimalikku korraldust, mis võivad ka kõrvuti eksisteerida.
- Tulu koondub varade ja müügikanalite omanikele. Odavad digiteenused levivad laialt. Inimese isiklikku osalust ostavad sagedamini jõukad pered ja suured organisatsioonid.
- Tootlikkuse kasvust saadav tulu jaotub omandi kaudu laiemalt. Selleks võivad olla töötajate osalused, ühistud, pensionifondid või avalikud fondid. Pere saab lisatulu siis, kui osaluse taga on päriselt tulu teenivad varad.
- Osa kasust jõuab inimesteni avalike teenuste, toetuste ja tööaja kokkulepete kaudu. Lühem töönädal jätab aega lastele, õppimisele ja oma projektidele, kui sissetulek katab elamiskulud. Toetused avardavad valikuid ning hoolduse või eluaseme kättesaadavus sõltub ka sellest, kui palju neid tegelikult pakkuda suudetakse.
IMF generatiivse tehisintellekti kasu jagamisest · Korinek ja Suh ulatusliku automatiseerimise majandusstsenaariumidest.
Kirjutasin hiljuti sellest, mida õppida, kui ametid muutuvad kiiremini kui õppekavad. Ühe pere jaoks tähendab see küsimust, millised oskused ja huvid aitavad inimesel oma tee leida. Majanduse tasandil lisandub teine küsimus. Kui inimesed suudavad vähem töötades rohkem toota, kellele jääb vabanev aeg ja kes saab tulu? Vastusest sõltub, kas pere saab selle majanduse võimalusi kasutada, vajaliku abi eest maksta ja ise valida, millele oma aega pühendada.
Ettevõtetele
Alustame ühest protsessist teie ettevõttes
Kui teie meeskond kogub töövõtjate aruandeid käsitsi, täpsustab andmeid sõnumites ja kannab kokkulepitud teabe dokumentidesse, kirjeldage üht sellist protsessi. Vaatame, mida saab automatiseerida ja millised otsused jätta teie meeskonnale — alustame kirjalikult.
Vaatame minu protsessi


