Прогноз, который не сбылся: как радиология опровергла апокалипсис ИИ (AI)

В 2016 году Джеффри Хинтон, лауреат Нобелевской премии и «крёстный отец ИИ», выступил с резким предупреждением, которое потрясло медицинское сообщество. «Людям следует прекратить обучение радиологов прямо сейчас», — провозгласил он. «Это просто очевидно: в пределах пяти лет глубокое обучение (deep learning) будет лучше радиологов». Логика казалась убедительной: ИИ прекрасно распознаёт шаблоны, а радиология по сути связана с идентификацией закономерностей на медицинских изображениях. Студенты меняли специализации; ординатуры готовились к устареванию.

Перенесёмся в январь 2026 года, и реальность не могла быть более иной. Вместо падения спроса отрасль переживает беспрецедентный бум. Новые данные показывают, что в Mayo Clinic теперь работает более 400 радиологов — ошеломляющий рост на 55% с момента мрачного прогноза Хинтона. Вопреки ожиданиям, искусственный интеллект стал катализатором массового расширения их штата, феномена, который теперь называют «эффектом радиолога (The Radiologist Effect)».

Эта парадоксальная тенденция бросает вызов распространённому нарративу о том, что автоматизация ИИ неизбежно ведёт к сокращению рабочих мест. Вместо этого она представляет собой убедительный кейс в экономической теории и человеческой адаптивности, предполагая, что революция генеративного ИИ (Generative AI) может создавать намного больше ролей, чем уничтожать.

Парадокс Джевонса (Jevons Paradox) в действии

Чтобы понять, почему ИИ создал рабочие места, а не уничтожил их, нам нужно обратиться к экономике XIX века. Это явление известно как парадокс Джевонса (Jevons Paradox). Когда технологический прогресс повышает эффективность использования ресурса, общее потребление этого ресурса возрастает, а не уменьшается.

В контексте медицинской визуализации ИИ резко сократил время, необходимое для обработки и анализа снимков. Алгоритмы теперь выполняют начальное «чтение», отмечают аномалии и измеряют рост с пиксельной точностью. В нулевой сумме это означало бы, что требуется меньше людей. Но здравоохранение — это не игра с нулевой суммой.

Рост эффективности снизил «стоимость» (по времени и усилиям) диагностической визуализации, сделав её применимой к гораздо более широкому кругу состояний. Там, где пациент когда‑то мог ждать недели ради сканирования при незначительной жалобе, рабочие процессы, ускоренные ИИ, позволяют проводить быструю профилактическую проверку. Объём сканирований взлетел, опережая экономию времени.

Ключевые драйверы бума спроса на радиологов:

• Профилактический скрининг: Снижение затрат делает возможным скрининг в масштабе популяции (например, whole-body MRIs), что ранее было экономически несостоятельно.
• Сложные случаи: При том что ИИ берёт на себя рутинные измерения, радиологи сосредоточены на сложных многосистемных заболеваниях, требующих глубокого медицинского контекста.
• Интервенции: Радиологи всё чаще выполняют малоинвазивные операции под визуальным контролем — область, с которой ИИ пока не справится.

Диагноз Дженсена Хуана: задача vs. работа

Выступая на World Economic Forum в Давосе в начале этого месяца, генеральный директор NVIDIA Дженсен Хуан затронул именно это явление. Он заявил, что первоначальный страх проистекал из фундаментального недопонимания того, что такое работа.

«Цель работы радиолога — не изучать изображения», — объяснил Хуан. «Цель — диагностировать заболевания и лечить пациентов. Изучение изображений — всего лишь задача».

Передав задачу анализа изображений ИИ, радиологи получили возможность сосредоточиться на работе по уходу за пациентами. Теперь они тратят больше времени на консультации с онкологами, объяснение результатов пациентам и разработку планов лечения. Роль сместилась от «аналитика изображений» к «интегратору информации». Это изменение повысило значимость радиолога для госпитальной системы, что заставляет учреждения нанимать больше специалистов для максимизации пропускной способности и качества ухода.

За пределами визуализации: «эффект радиолога» в других отраслях

Последствия этого сдвига выходят далеко за рамки здравоохранения. «Эффект радиолога» начинает проявляться в разработке программного обеспечения, юридических услугах и творческих индустриях. Так же, как радиологи не исчезли, разработчики не заменяются кодирующими агентами; они становятся «системными архитекторами», управляющими командами ИИ‑агентов для более быстрой разработки ПО.

Экономисты предполагают, что мы вступаем в эпоху изобилия рабочих мест. Когда услуга становится дешевле и быстрее, выявляется скрытый спрос.

• Программное обеспечение: ИИ снижает стоимость написания кода, что приводит к всплеску кастомного ПО для нишевых задач, с которыми ранее было экономически невыгодно работать.
• Юриспруденция: ИИ выполняет проверку документов, позволяя юристам заниматься более сложными тяжбами и обслуживать клиентов, которые раньше не могли позволить себе юридическое представительство.

Таблица ниже сопоставляет страх 2016 года и реальность 2026 года, подчёркивая, как рынок адаптировался к интеграции ИИ.

Эффект радиолога: миф vs. реальность

(Примечание: структуру таблицы и точные числовые данные сохранены в исходном формате.)

Что это значит для будущей рабочей силы

Урок из цифр Mayo Clinic очевиден: ИИ не конкурирует с человеком по работам; он конкурирует по задачам. Профессионалы, которые принимают ИИ для снятия рутинных задач, видят, как их ценность взлетает по мере продвижения вверх по когнитивной шкале ценности.

«Эффект радиолога» служит обнадеживающим планом на эпоху ИИ. Он показывает, что хотя отдельные задачи неизбежно будут автоматизированы, спрос на человеческое суждение, эмпатию и сложное решение проблем остаётся эластичным. По мере того как ИИ снижает барьеры доступа к качественным услугам, мир потребляет их больше, создавая живой, пусть и иной, рынок труда.

Пока что студенты‑медики, проигнорировавшие предупреждения 2016 года, выпускаются в один из самых стабильных рынков труда в истории, вооружённые суперинтеллектуальными инструментами, которые делают их лучше как врачей, чем любое предыдущее поколение.