Могут ли работники владеть ИИ, который их заменяет? Action Model тестирует радикальную модель владения автоматизацией

Компании, занимающиеся ИИ, наперегонки стремятся автоматизировать всё: от написания кода, генерации изображений, планирования рекламы и резюмирования встреч до многого другого. Но по мере того как эти системы совершенствуются, их влияние на человеческий труд становится всё труднее игнорировать. Некоторые эксперты теперь предупреждают, что генеративный ИИ может вызвать волну масштабного вытеснения рабочих мест, которая ударит быстрее и глубже, чем к этому готовы большинство экономик.

Вместо того чтобы сопротивляться будущему, одна крипто-нативная платформа делает ставку на другой подход. Если автоматизация неизбежна, то и владение ею должно быть таким же.

Action Model сегодня запустила Chrome-расширение с доступом только по приглашениям, которое позволяет пользователям обучать систему ИИ, делясь реальной активностью в браузере: кликами, маршрутами навигации, набором текста и последовательностями задач. Платформа называет это Large Action Model (LAM) — системой, способной учиться выполнять цифровую работу, а не просто генерировать контент. Взамен участники получают баллы, которые могут быть конвертированы в governance-токены $LAM, призванные представлять права участия в том, как система будет развиваться.

«Если ИИ собирается заменить цифровой труд, тогда работники должны владеть машинами, которые осуществляют эту замену», — говорит основатель Action Model Сина Ямани.

Обучение ИИ, который выполняет работу

В отличие от чат-ботов, генерирующих контент, LAM предназначены для непосредственной работы с программным обеспечением. Идея проста: если человек может выполнить цифровую задачу с помощью мыши и клавиатуры, то обученный ИИ-агент тоже должен уметь это делать.

«Последние несколько лет были эпохой чат-ботов. Теперь наступает эпоха автоматизации», — говорит Ямани. «Около одного миллиарда человек заняты работой за компьютером. Если компании предложат инструмент, который выполняет ту же работу непрерывно и за малую часть стоимости, они будут его использовать».

Расширение Action Model собирает одобренные пользователями поведенческие данные для обучения ИИ. Такие задачи, как отправка расчётов заработной платы, управление записями в CRM или выполнение базовых операций, можно записать один раз, а затем многократно воспроизводить с помощью модели. Участники могут публиковать автоматизации на публичной площадке, где их использование можно отслеживать и вознаграждать в рамках модели стимулов платформы.

Рост агентных ИИ-систем широко задокументирован по всей отрасли, поскольку модели всё чаще переходят от генерации контента к автономному выполнению задач. Эти системы, как описано в этом объяснении, собирают и используют реальные пользовательские данные, обучаясь автономно ориентироваться в цифровых средах.

Платформа уже привлекла более 40 000 пользователей через листы ожидания, реферальные системы и сообщества партнёров. Доступ по-прежнему предоставляется только по приглашениям, чтобы поддерживать качество участников и вознаграждать ранних пользователей.

Чем это отличается от существующих инструментов автоматизации?

Большинство существующих инструментов автоматизации полагаются на API или жесткие интеграции. Но значительная часть реальной цифровой работы происходит в устаревших системах, внутренних дашбордах и инструментах, которые никогда не проектировались для автоматизации.

«Zapier автоматизирует программное обеспечение. Мы автоматизируем работу», — говорит Ямани. «Лишь около 2 процентов интернета доступно через API. Остальные 98 процентов по-прежнему требуют человеческого взаимодействия».

С Action Model пользователям не нужно писать код или управлять интеграциями. Они просто записывают, как выполняют задачу. ИИ учится на этих реальных пользовательских сценариях и становится способен повторять их самостоятельно.

Это делает Action Model достаточно гибкой, чтобы охватывать пограничные случаи и недокументированные рабочие процессы, до которых традиционные системы не могут добраться.

А как насчет конфиденциальности?

Все обучение происходит только по согласию пользователя, и пользователи сами контролируют, какими данными они делятся. Чувствительные сайты, такие как электронная почта, медицинские сервисы или банковские ресурсы, по умолчанию заблокированы. Пользователи могут приостановить обучение, заблокировать определенные домены или полностью удалить свои данные.

«Первый принцип прост. Нам не нужны ваши данные. Нам нужны только шаблоны», — говорит Ямани. «Обучающие данные обрабатываются локально и анонимизируются, прежде чем вносить вклад в модель».

Удаленные данные уничтожаются безвозвратно и не могут быть восстановлены даже компанией. Вклады объединяются с данными других пользователей с использованием k-анонимности, чтобы предотвратить повторную идентификацию отдельных людей. Панель управления позволяет участникам в любое время просматривать и управлять своей историей обучения и вознаграждениями.

«Пока Big Tech собирает такого рода данные без реального согласия, мы действуем прозрачно, оставляем контроль пользователю и вознаграждаем людей, которые действительно обучают ИИ», — говорит Ямани.

Так могут ли боты обмануть систему?

Чтобы избежать проблем, от которых страдали более ранние криптовалютные системы вознаграждений, Action Model использует поведенческий анализ для проверки реального пользовательского ввода. Система ищет структуру, тайминг, вариативность и сигналы принятия решений — то, что боты или клик-фермы не могут легко подделать.

«Бессмысленные клики почти бесполезны», — говорит Ямани. «Настоящие рабочие процессы включают намерение, паузы, исправления, повторные попытки и решения. Это невозможно подделать в масштабе».

Другие проекты, которые вознаграждали социальную активность или публикации, были недавно заблокированы крупными платформами после того, как породили большие объемы ИИ-спама, ботов для ответов и фальшивых взаимодействий. В ответ доступ к API был отозван, а токен-экосистемы рухнули под тяжестью низкокачественной активности.

ActionFi, механизм вознаграждений платформы, создан так, чтобы полностью избежать этой ловушки. Он не платит за твиты или клики. Он вознаграждает проверенные рабочие процессы, отражающие реальный, структурированный цифровой труд.

«Мы не платим за шум. Мы платим за полезные маршруты», — добавляет Ямани.

Кому на самом деле принадлежит система?

Сегодня Action Model контролирует расширение, логику обучения и системы вознаграждения. Но проект взял на себя обязательство со временем передать управление держателям токена $LAM. В конечном итоге структура DAO позволит участникам управлять решениями платформы, механизмами стимулов и развертыванием моделей.

«Ранним системам нужна координация. Важно то, централизованы ли они по замыслу», — говорит Ямани.

Если всё будет реализовано так, как описано, владение даст держателям токенов влияние на инфраструктурные решения, связанные с данными, которые они помогли создать.

Если ИИ неизбежен, может ли таким же быть и владение?

Следующее поколение ИИ строится не только на языке, но и на труде. От офисной работы до операционной деятельности — многие задачи, выполняемые за экраном, теперь доступны интеллектуальным агентам.

«Вы слышали, что миллионы рабочих мест, связанных с работой за экраном, будут автоматизированы. Это не вопрос десятилетий — это происходит уже сейчас», — говорит Ямани. «Если ваши данные помогают обучать ИИ, вы должны владеть тем, что создаётся».

Сможет ли Action Model масштабироваться, сохранять прозрачность и построить устойчивую экономику — за этим мы будем внимательно следить в ближайшие месяцы. Но его ставка предельно ясна. Ключевая борьба вокруг ИИ заключается не только в том, что он может делать, но и в том, на кого он работает.

По мере того как ИИ меняет мир труда, кому будет принадлежать будущее — платформам или людям?