Три фазы эволюции ИИ в когнитивной работе
Исследование "Экономика велосипедов для ума" (авторы Аджай Агравал, Джошуа Ганс и Ави Голдфарб) предлагает модель, где когнитивная (умственная) работа делится на три уровня. Эти уровни можно интерпретировать как фазы развития ИИ: от простого выполнения задач к глубокому суждению. Каждая фаза отражает, как ИИ усиливает человеческие способности, но также меняет экономику труда, влияя на производительность и неравенство. Давайте разберём их по порядку.
1. Фаза 1: Уровень исполнения (Implementation)
Это базовый уровень, где ИИ берёт на себя рутинные действия — выполнение задачи. Здесь ИИ действует как сверхэффективный инструмент, аналогичный велосипеду, который усиливает физическую силу. Например, ИИ может генерировать код, писать тексты или анализировать данные с скоростью, недоступной человеку.
- Характеристики: Фокус на автоматизации повторяющихся процессов. ИИ компенсирует недостатки навыков: начинающий программист с помощью моделей вроде ChatGPT может писать код на уровне специалиста с пятилетним опытом. Это снижает барьеры входа в профессии и уменьшает неравенство на начальном этапе — менее квалифицированные работники получают больший прирост производительности.
- Примеры из практики: В 2023–2024 годах ИИ вроде GPT-4 и Claude 3.5 уже доминировал здесь, помогая в повседневных задачах, таких как генерация отчётов или редактирование изображений. Исследования показывают, что в офисной среде "нижние 50%" сотрудников получали от ИИ в два раза больший буст, чем топ-специалисты.
- Влияние: Эта фаза напоминает ранние компьютеры 1990-х, которые ускоряли работу, но не меняли её суть. Однако, как отмечают авторы NBER, ИИ здесь "мультипликативен", а не заменяющий: чем лучше ваш исходный навык, тем больше выигрыш, но для новичков это настоящий "велосипед".
Мы уже прошли эту фазу: к 2025 году исполнение задач ИИ стало почти "бесплатным" в плане усилий — модели доступны через API и приложения, и их использование не требует глубоких знаний.
2. Фаза 2: Уровень суждения о возможностях (Opportunity Judgment)
Здесь ИИ переходит от "делания" к "поиску путей улучшения". Это уровень, где инструмент помогает видеть новые возможности — как велосипед, который не только ускоряет движение, но и позволяет исследовать новые маршруты. ИИ предлагает идеи, гипотезы или "трюки", которые человек мог бы найти сам, но гораздо медленнее.
- Характеристики: ИИ становится партнёром в творчестве. Он анализирует данные, генерирует альтернативы и помогает решать "застрявшие" задачи. Зависимость от человеческой обратной связи всё ещё есть (например, корректировка ошибок), но ИИ берёт на себя значительную часть поиска. Это ускоряет инновации: научные открытия или оптимизации происходят быстрее. Однако неравенство может начать расти — те, кто лучше направляет ИИ (с хорошим "суждением"), вырываются вперёд.
- Примеры из практики: В сентябре 2025 года Anthropic выпустила Claude Sonnet 4.5, которая способна автономно кодировать приложения до 30 часов, используя инструменты вроде bash и субагентов. Это не просто исполнение — модель генерирует и проверяет идеи, предлагая новые подходы в программировании, финансах и кибербезопасности. Ещё один пример: GPT-5 помог Скотту Аронсону в математическом доказательстве, предложив ключевой "трюк" после нескольких итераций. Такие модели уже конкурируют с человеком в поиске возможностей, особенно в узких областях. Исследования Meter Research показывают, что возможности ИИ удваиваются каждые 4–7 месяцев, позволяя справляться с задачами, эквивалентными 1–2 часам человеческой работы.
- Влияние: Эта фаза делает ИИ "ускорителем открытий". Как отмечают экономисты, лучшее ИИ в исполнении делает суждение о возможностях более ценным — мультипликативным эффектом. Мы видим это в реальности: AlphaEvolve от DeepMind оптимизирует чипы за недели, а не месяцы. Однако ИИ пока не полностью автономен — он зависит от человеческого "руля" для уточнения.
3. Фаза 3: Уровень суждения о ценности (Payoff Judgment)
Это высший уровень, где ИИ оценивает, "что действительно важно" — понимает контекст, приоритеты и ценность решений. Здесь "велосипед" превращается в "самоуправляемый автомобиль для ума": ИИ не только предлагает пути, но и выбирает лучшие, адаптируясь к нестандартным ситуациям.
- Характеристики: ИИ становится полностью адаптивным, учитывая этику, культурный контекст и долгосрочные последствия. Он может самостоятельно решать, когда изменить подход (например, в медицине: "Этот случай аномальный — нужно переосмыслить"). Это минимизирует неравенство в исполнении и возможностях, но усиливает его в суждении о ценности — лидеры будут те, кто лучше интегрирует ИИ в стратегии. Полная автоматизация здесь маловероятна, так как фиксированное суждение ИИ не справляется с непредсказуемостью.
- Примеры из практики: Пока мы не здесь. Текущие модели, как Claude 4.5, приближаются (например, в долгосрочной автономной работе), но всё ещё слабы в нестандартных сценариях — они не могут "почувствовать" ценность без человеческой оценки. Прогнозы Epoch AI и AI Index 2025 предполагают, что эта фаза может наступить к 2027–2030 годам, с экспоненциальным ростом. Однако риски велики: без этического контроля ИИ может усилить предвзятости.
- Влияние: Эта фаза перестроит команды — контроль сместится от "исполнителей" к "визионерам". Как в отчёте UNDP 2025, ИИ здесь станет частью человеческого развития, но потребует новых навыков, таких как "управление ИИ-агентами".
ИИ уже в начале фазы 2: Доказательства и перспективы
На октябрь 2025 года ИИ уверенно вступил в начало второй фазы. Модели вроде Claude Sonnet 4.5 (выпущена 29 сентября) демонстрируют суждение о возможностях: она не просто выполняет код, но генерирует новые подходы в агентах и долгосрочных задачах, достигая 77–82% успеха в бенчмарках вроде SWE-bench. Аналогично, GPT-5 ускоряет научные открытия, предлагая идеи, которые люди находили бы неделями. Экспоненциальный рост (удвоение возможностей каждые 4 месяца, по Meter Research) подтверждает: ИИ вышел за исполнение, хотя всё ещё зависит от обратной связи для точности.
Это открывает возможности — от ускорения инноваций до помощи в профессиях (например, людям с ADHD). Но вызовы есть: рост неравенства и этические вопросы. Как сказал Джобс, "велосипеды для ума" усиливают нас, но в фазе 2 нам нужно учиться "ездить" лучше — развивать суждение, чтобы не отстать от ИИ. Будущее за симбиозом: человек + ИИ, где мы определяем ценность, а ИИ ищет пути. Следите за обновлениями — фаза 3 может прийти быстрее, чем кажется!
Bicycles for the Mind: How AI is Transforming Our Cognitive Work
In 1980, Steve Jobs likened computers to "bicycles for the mind"—tools that amplify human capabilities, much like a bicycle enables faster and more efficient movement than walking. This metaphor comes alive in the age of artificial intelligence (AI), where models like Claude Sonnet 4.5 and GPT-5 are not just assisting with routine tasks but reshaping how we think and solve problems. According to a recent study by economists from the National Bureau of Economic Research (NBER) (July 2025), AI can be viewed as an evolution of these "bicycles," dividing cognitive work into three distinct levels or phases. In this note, we explore these phases in detail and demonstrate why AI is already at least at the beginning of the second phase—an era where it not only performs tasks but also helps uncover new possibilities.
The Three Phases of AI’s Evolution in Cognitive Work
The study "The Economics of Bicycles for the Mind" (authored by Ajay Agrawal, Joshua Gans, and Avi Goldfarb) proposes a framework where cognitive (mental) work is divided into three levels. These levels can be interpreted as phases of AI’s development: from basic task execution to deep judgment. Each phase reflects how AI enhances human capabilities while reshaping the economics of labor, impacting productivity and inequality. Let’s break them down.
1. Phase 1: The Level of Implementation
This is the foundational level where AI takes on routine actions—task execution. Here, AI acts as a highly efficient tool, akin to a bicycle amplifying physical strength. For example, AI can generate code, write texts, or analyze data at speeds unattainable by humans.
- Characteristics: Focus on automating repetitive processes. AI compensates for skill gaps: a novice programmer using tools like ChatGPT can code at the level of a professional with five years of experience. This lowers entry barriers to professions and reduces inequality initially, as less-skilled workers gain a greater productivity boost.
- Real-World Examples: Between 2023 and 2024, AI models like GPT-4 and Claude 3.5 dominated this phase, aiding with everyday tasks such as report generation or image editing. Studies show that in office settings, the "bottom 50%" of employees received twice the productivity boost from AI compared to top performers.
- Impact: This phase is reminiscent of early computers in the 1990s, which sped up work but didn’t change its essence. However, as the NBER authors note, AI here is "multiplicative" rather than substitutive: the better your baseline skills, the greater the gain, but for novices, it’s a true "bicycle".
We’ve already moved through this phase: by 2025, task execution via AI has become nearly "cost-free" in terms of effort, with models accessible through APIs and apps, requiring minimal expertise.
2. Phase 2: The Level of Opportunity Judgment
Here, AI shifts from "doing" to "finding ways to improve". This level is about identifying new possibilities—like a bicycle that not only speeds up travel but also helps explore new routes. AI suggests ideas, hypotheses, or "tricks" that humans might discover, but much more slowly.
- Characteristics: AI becomes a partner in creativity. It analyzes data, generates alternatives, and helps resolve "stuck" problems. While still reliant on human feedback (e.g., correcting errors), AI takes on a significant portion of the ideation process. This accelerates innovation: scientific discoveries or optimizations happen faster. However, inequality may start to grow—those who can better guide AI (with strong "judgment") pull ahead.
- Real-World Examples: In September 2025, Anthropic released Claude Sonnet 4.5, capable of autonomously coding applications for up to 30 hours, using tools like bash and sub-agents. This goes beyond execution—Claude generates and tests ideas, proposing new approaches in programming, finance, and cybersecurity. Another example: GPT-5 assisted Scott Aaronson in a mathematical proof by suggesting a key "trick" after several iterations. Such models are already competing with humans in finding opportunities, particularly in specialized domains. Research from Meter Research shows AI capabilities doubling every 4–7 months, enabling it to handle tasks equivalent to 1–2 hours of human work.
- Impact: This phase positions AI as an "accelerator of discovery". As economists note, the better AI becomes at execution, the more valuable opportunity judgment becomes—a multiplicative effect. We see this in practice: AlphaEvolve from DeepMind optimizes chips in weeks, not months. However, AI is not fully autonomous yet—it still relies on human "guidance" for refinement.
3. Phase 3: The Level of Payoff Judgment
This is the highest level, where AI evaluates "what really matters"—understanding context, priorities, and the value of decisions. Here, the "bicycle" evolves into a "self-driving car for the mind": AI not only suggests paths but selects the best ones, adapting to unique situations.
- Characteristics: AI becomes fully adaptive, considering ethics, cultural context, and long-term consequences. It can independently decide when to shift approaches (e.g., in medicine: "This case is anomalous—rethink it"). This minimizes inequality in execution and opportunity judgment but amplifies it in payoff judgment—leaders will be those who best integrate AI into strategies. Full automation is unlikely here, as AI’s fixed judgment struggles with unpredictability.
- Real-World Examples: We’re not there yet. Current models like Claude 4.5 are approaching this (e.g., in long-term autonomous tasks), but they remain weak in non-standard scenarios—they can’t "sense" value without human evaluation. Forecasts from Epoch AI and AI Index 2025 suggest this phase may arrive by 2027–2030, driven by exponential growth. However, risks are significant: without ethical oversight, AI could amplify biases.
- Impact: This phase will reshape teams—control will shift from "doers" to "visionaries". As the UNDP 2025 report notes, AI here will become part of human development, but it will demand new skills, like "managing AI agents".
AI is Already at the Beginning of Phase 2: Evidence and Outlook
As of October 2025, AI has confidently entered the early stages of the second phase. Models like Claude Sonnet 4.5 (released September 29) demonstrate opportunity judgment: it doesn’t just execute code but generates novel approaches in agents and long-term tasks, achieving 77–82% success on benchmarks like SWE-bench. Similarly, GPT-5 accelerates scientific discoveries by proposing ideas that humans would take weeks to uncover. Exponential growth (doubling capabilities every 4 months, per Meter Research) confirms: AI has moved beyond execution, though it still relies on feedback for precision.
This opens opportunities—from accelerating innovation to aiding professions (e.g., supporting people with ADHD). But challenges remain: growing inequality and ethical concerns. As Jobs said, "bicycles for the mind" amplify us, but in Phase 2, we must learn to "ride" better—honing judgment to keep pace with AI. The future lies in symbiosis: humans + AI, where we define value, and AI finds paths. Stay tuned—Phase 3 may arrive sooner than we think!
