Нейросети уже за минуты собирают данные, делают расчеты и пишут аналитические записки. Чем тогда ценен экономист и чему ему теперь нужно учиться? Об этом говорили на вебинаре «Аналитика и управление в эпоху ИИ: от скорости к качеству решений», который Ассоциация российских банков (АРБ) и Банковский институт НИУ ВШЭ провели в начале октября в поддержку набора на программу MBA «Управление инвестициями».
С основным докладом выступил преподаватель Банковского института Андрей Липин, ранее руководивший Департаментом международного сотрудничества Банка России. О профессии экономиста в эпоху ИИ рассказал заместитель председателя Банка России, профессор Банковского института Михаил Мамута. Программу MBA представил директор Банковского института Василий Солодков.
Запись вебинара доступна на сайте АРБ.
Что ИИ меняет в работе экономиста
Андрей Липин начал с простого сравнения. Работая с калькулятором или Excel, экономист сам строил расчет: формулы были на виду, и ошибку можно было найти. Генеративный ИИ сам решает, как понять задачу, каким методом ее решить и что рекомендовать, а человек видит только готовый ответ.
«Способность предъявить результат уже не свидетельствует о способности его обосновать», — сформулировал спикер. Раньше аккуратный расчет говорил о квалификации автора. Теперь его может подготовить кто угодно, поэтому проверять нужно не форму ответа, а то, на чем держится вывод.
Сложность в том, что ИИ ошибается убедительно. В эксперименте с консультантами BCG нейросеть помогала работать быстрее и качественнее, но на задачах за пределами своих возможностей ухудшала результат и рассуждала при этом так же уверенно. Ошибки накапливаются в длинных цепочках действий, а объяснения модели не всегда показывают, что на самом деле повлияло на ответ. «Если KPI требуют ответа всегда, система стимулирует уверенные ошибки», — предупредил Андрей Липин.
Почему ИИ ошибается «по-человечески»
«Модели генеративного искусственного интеллекта отличаются теми же особенностями и дефектами при принятии решений, которыми отличается сам человек», — отметил Михаил Мамута. Чем дальше развиваются модели, тем заметнее в них те же когнитивные искажения, что и у людей.
Причин, по его словам, вероятнее всего, две. Во-первых, ИИ старается понравиться собеседнику: модели учат быть эмпатичными, поэтому они льстят, подстраиваются под вопрос и в итоге возвращают человеку его же выводы. Во-вторых, они учатся на текстах, написанных людьми, и вместе с ними впитывают все естественные для нас ошибки мышления.
Отсюда два практических правила. Первое — задавать вопросы нейтрально: если спросить «правильно ли я понимаю, что…», модель, скорее всего, просто подтвердит вашу мысль. Второе — все перепроверять. Михаил Мамута советует использовать две-три независимые модели разного происхождения, чтобы каждая следующая проверяла выводы предыдущей. Тот же принцип поддерживает Андрей Липин: одна и та же система не должна и придумывать идею, и сама же ее подтверждать. Но даже после такой проверки, подчеркнул Михаил Мамута, важно не отключать критическое мышление.
Что остается за человеком
Спор о том, заменит ли ИИ экономиста, спикеры предложили заменить вопросом, кто и что делает. Нейросеть сильна в поиске информации, черновиках, коде и генерации гипотез. Человек нужен там, где надо поставить правильный вопрос, разобраться в причинах, проверить вывод и взять на себя ответственность за решение. Что можно доверить ИИ, зависит от цены ошибки и сложности проверки: черновик справки — одно дело, кредитная стратегия — совсем другое.
Меняется и сам критерий квалификации. Хороший экономист сегодня понимает полученный результат: может найти в нем существенную ошибку, объяснить ограничения и восстановить ключевой расчет. Именно этот навык ИИ может незаметно ослабить. Кроме того, в компаниях ИИ не снимает нагрузку с опытных экспертов, а увеличивает ее: проверять работу нейросети приходится именно им.
Впрочем, Михаил Мамута сомневается, что ИИ сам по себе делает людей менее способными. Он сравнил нейросети с калькулятором: им пользуются почти все, и никто не считает, что от этого глупеет. Все зависит от человека: тому, кто стремится глубже разобраться в происходящем и критически ко всему относится, нейросеть скорее поможет.
Итог обсуждения сводится к одной мысли: задача — использовать скорость ИИ, не теряя способности обосновать решение и вовремя остановить процесс.
«Хорошо выстроенный промптинг для модели искусственного интеллекта позволяет заменить нескольких грамотных референтов, помощников. Но модели пока не замещают старшего экономиста и даже экономиста в целом», — заключил он.
Где этому учиться
Общий вывод вебинара: широкое использование ИИ требует не ослабления, а усиления профессиональной экспертизы. Именно такую экспертизу выстраивает программа MBA «Управление инвестициями» Банковского института НИУ ВШЭ. Андрей Липин и Михаил Мамута входят в преподавательский состав программы, наряду с другими практиками актуализируя содержание курсов под новую реальность, продиктованную ИИ.
Как рассказал Василий Солодков, программа сочетает фундаментальную финансовую подготовку, построенную на стандартах CFA, с работой с данными и ИИ. Помимо инвестиционного анализа, управления портфелем и рисками, в учебном плане есть количественные методы в финансах, а среди дисциплин по выбору — использование ИИ в финансовом планировании, анализ больших данных и финтех. Занятия ведут практики финансового рынка, обучение строится на разборе реальных кейсов и проходит без отрыва от работы.
Познакомиться с программой ближе можно на заключительном дне открытых дверей 13 октября в 19:00 (мск). Встреча пройдет онлайн, для участия необходимо зарегистрироваться.