С появлением инструмента Deep Research от OpenAI ландшафт интеллектуального труда претерпевает фундаментальные изменения. Ведущий технологического канала Wes Roth провел серию испытаний новой нейросети, способной часами проводить автономные исследования, и пришел к выводу, что мы стоим на пороге автоматизации триллионов долларов экономической ценности.
🤖 Deep Research: новый уровень автономных агентов 0:00
Wes Roth отмечает, что первый же день использования Deep Research от OpenAI полностью изменил его представление о возможностях ИИ. В отличие от стандартных чат-ботов, этот инструмент работает как полноценный исследовательский агент: он не просто генерирует текст, а планомерно изучает десятки источников, сопоставляет данные и формирует глубокие отчеты .
Среди первых успешных тестов автора:
- Анализ научных перспектив природы сознания (10 минут работы, 12 источников) .
- Исследование прорывов в биоинженерии, геномике и протеомике .
- Создание узкоспециализированного гайда по прокачке персонажа в игре Path of Exile 2 (Act 3 для не-hardcore лиги) .
- Персонализированный анализ анализа крови автора, занявший 23 минуты и выявивший специфические риски, которые автор подтвердил .
По мнению Уэса Рота, эффективность системы поражает даже экспертов. Он цитирует доктора Дерру Унутму (Derya Unutmaz), который назвал инструмент «абсолютным геймченджером» для науки, медицины и юриспруденции .
💰 Экономический эффект: предсказание Сэма Альтмана 1:34
Особое внимание Wes Roth уделяет заявлению генерального директора OpenAI Сэма Альтмана. По словам Альтмана, Deep Research уже сейчас способна выполнять «однозначный процент» (до 9%) всех экономически ценных задач в мире .
Автор признается, что сначала это утверждение показалось ему преувеличением, но после личных тестов он склонен согласиться . Для проверки этого тезиса Рот запустил само Deep Research с задачей оценить собственный экономический потенциал .
Результаты автономного исследования ИИ оказались еще более радикальными:
- Нейросеть проанализировала долю «работников знаний» (knowledge workers), которая составляет 20–30% мировой рабочей силы .
- ИИ спрогнозировал, что в агрегированном выражении Deep Research может автоматизировать от 10% до 15% всех рабочих часов в мире .
- В итоговом отчете нейросеть вывела цифру 18% как потенциальную долю всех экономически ценных задач, которые могут быть переданы агентам при условии их повсеместного внедрения .
🏗️ От отчетов к действиям: Deep Research как фундамент для агентов 5:18
Важнейший инсайт, обсуждаемый в видео, касается трансформации роли отчетов ИИ. Ведущий ссылается на мнение Дармеша Шаха (Dharmesh Shah), сооснователя и CTO компании HubSpot и инвестора OpenAI .
Шах утверждает, что ценность Deep Research не только в создании 11-тысячесловных отчетов с таблицами и цитатами. Главная инновация заключается в том, что выходные данные (output) этого исследования станут входными данными (input) для следующего шага в рабочем процессе агентов .
Схема работы будущего, по мнению Шаха и Рота:
- Deep Research проводит анализ рынка, конкурентов и стратегии .
- План исполнения: ИИ формирует пошаговый алгоритм действий.
- Агенты-исполнители: Специализированные модели (например, OpenAI Operator) получают этот план и начинают физически выполнять задачи: писать код, запускать рекламные кампании в интернете или работать в Excel .
Сэм Альтман во время выступления в Японии перед главой SoftBank Масаёши Соном подтвердил этот вектор развития. По словам Альтмана, модели, способные к рассуждению (reasoning), прокладывают путь к полноценным ИИ-агентам, способным делать многошаговые выводы и совершать действия в реальном мире .
📉 Зоны риска и «белые воротнички» 9:29
Автоматизация в первую очередь коснется профессий, связанных с интенсивной обработкой информации. Deep Research выделила сектора с максимальной экспозицией к ИИ :
- Юриспруденция: Помощники юристов и паралегалы сталкиваются с риском автоматизации до 100% своих задач, особенно в части поиска фактов и суммаризации документов .
- Консалтинг и аналитика: Исследования рынков и подготовка отчетов могут быть автоматизированы на 70% .
- Образование и госсектор: Здесь потенциал автоматизации оценивается ИИ в среднем в 8% и 0.5% от общего объема мирового труда соответственно .
Однако Wes Рота отмечает, что эти прогнозы ИИ подразумевают «агрессивный сценарий» глобального внедрения без учета регуляторных ограничений. Если скорректировать цифры на реальные барьеры, прогноз возвращается к «однозначным числам» Сэма Альтмана .
🩸 Личный опыт: от медицины до симуляции реальности 14:04
В завершение Wes Roth поделился личными кейсами использования. Он загрузил свои результаты анализа крови, чтобы ИИ нашел скрытые закономерности . Система заметила, что уровни гематокрита и гемоглобина находятся у верхней границы нормы, и рекомендовала обратить внимание на гидратацию . Автор подтвердил, что действительно пил мало воды и недавно сдавал плазму крови, что могло повлиять на показатели .
Также Рот упомянул одно из самых популярных в его соцсетях исследований, проведенных через Deep Research: «Самые убедительные научные аргументы в пользу того, что мы живем в симуляции» . Он призвал аудиторию делиться своими идеями для тестов, отмечая, что лимит запросов на столь мощный инструмент пока сильно ограничен .
