Технологии под контролем. Константин Абрамов — о готовых ИИ-моделях и ценности человека
Гендиректор фонда ВЦИОМ Абрамов: человек и его кругозор ценнее ИИ
:format(webp)/YXJ0aWNsZXMvaW1hZ2UvMjAyNi82L3Bob3RvLTIwMjYtMDYtMDMtMTEtNTAtNDdfQlJIeURpQS5qcGc.webp?w=1920)
Мировой рынок труда быстро меняется во всем, что связано с AI, искусственным интеллектом, роботами. Как можно повысить производительность рабочих процессов и что наиболее ценно в производстве, рассказал в беседе с 360.ru на полях ПМЭФ-2026 генеральный директор Фонда содействия изучению общественного мнения и председатель Общественного совета Минтруда Константин Абрамов.
«Сейчас происходят галопирующие изменения на рынке труда. <…> И не всегда легко сразу разобраться, что является долгосрочной тенденцией, которая действительно изменит рынок труда, а что — сиюминутным скачком. В нашей работе мы точно знаем: те производственные процессы, которые, например, в аналитике можно ускорить и технологизировать, ускоряем», — пояснил он.
Абрамов добавил, что такой подход радикально повышает производительность труда и скорость. Но намного более ценны человек, его интеллект и кругозор.
«Надо понимать, что такое ИИ в виде популярных моделей. Это черные ящики. Мы не понимаем, что там внутри, что туда запихали и кто это сделал», — обратил внимание гендиректор фонда.
Машинное обучение, по его словам, должно идти на основе поставленных людьми задач, заданных алгоритмов и очищенных данных — так можно точнее предсказывать поведение искусственного интеллекта.
Важно понимать, из чего сложен этот ящик. Когда тебе просто дают готовое решение — непонятно, как оно собрано и кем. На каких моделях обучено — мы не знаем. Оно может выдавать фейковые идеи, фейковые новости.
Абрамов подчеркнул, что машинное обучение на основе проверенных и понятных данных, где ясно, откуда их получили, как сегментировали и по каким методам разбили на кластеры, позволяет контролировать мозг искусственного интеллекта. В случае же с готовыми ИИ‑моделями это невозможно.
«Многие ИИ‑модели — западные, обучались на западных данных, не на российских. То, что мы сейчас делаем в России в части машинного обучения, на мой взгляд, более верный путь. По крайней мере, в нашей работе мы понимаем, что на эти данные можно опираться: знаем, откуда они, как и кем собраны, по каким моделям», — добавил собеседник 360.ru.
Данные, пояснил он, можно собирать из банков, социальных сетей и медиа — источников огромное количество. Главное — понимать их природу: откуда изначально пришла информация, кто ее собирал.
«Есть недобросовестные сборщики данных, и это тоже надо понимать. Данные могут быть нечистыми. Нужно понимать их природу и алгоритмы, которые мы сами задаем. Они позволяют предсказывать будущее, поведение людей, то, что будет происходить в течение ближайших трех-пяти лет. Дальше заглядывать уже опасно — слишком много всего меняется», — заключил Абрамов.