Нейросетевая тревожность растет. Одна из главных эмоций, окружающих ИИ среди большинства людей, - страх того, что их заменят. Последний доклад Международной организации труда ООН будто усиливает тревогу: уже сейчас ИИ ставит под угрозу каждое четвертое рабочее место в мире. Оценки перспектив увольнения 300 миллионов человек в ближайшие 10 лет соседствуют с прогнозами по росту числа вакансий на 170 миллионов.
Значит ли это, что нужно готовиться к массовым сокращениям? Нет. Главная мысль, от которой стоит отталкиваться, - ИИ вас не заменит. Он будет заменять все больше функций, но не людей. Речь идет о трансформации роли специалистов, в которой наибольшие преимущества получат те, кто, перефразируя название фильма Кубрика, "перестанет бояться и полюбит ИИ".
Сегодня ИИ способен выполнять практически любую прикладную задачу в офисе - от расшифровки и подготовки отчета по совещанию с помощью ИИ-ассистента до анализа нормативно-правовой базы и выявления признаков заболевания. Но все эти функции лишаются смысла без целеполагания, ответственности и способности к принятию комплексных решений.
Растущие возможности ИИ требуют от профессионала навыков по его использованию, настройке и адаптации, постановке и делегированию ему конкретных задач и в конечном итоге - по извлечению результатов, качественному анализу полученной информации и принятию решений на ее основе. Сотрудник превращается из простого исполнителя в руководителя алгоритмами и интегратора ИИ-процессов.
При этом ценность чистого "специалиста по искусственному интеллекту" стремится к нулю в отсутствие у него глубоких знаний специфики конкретной сферы. Равно как и в грузовой логистике или SMM уменьшается полезность профессионала, неспособного внедрить в свою работу инструменты ИИ. Бизнесу нужны прежде всего те, кто сумеет освоить роль гибридного специалиста.
Уже сейчас в сфере HR эта тенденция рождает позиции HR-data scientist, способных обрабатывать огромные объемы данных о рынке труда, профильных промт-инженеров, работающих над составлением наиболее результативных запросов для генеративного ИИ, ML-специалистов, создающих узкопрофильные нейросетевые модели, и даже такие уникальные роли, как опирающийся на ИИ коуч по карьерному росту.
Подобные новые специализации можно найти не только в IT-компаниях или банковском секторе, которые находятся в лидерах внедрения ИИ-инструментов, но и в гуманитарных науках вроде истории, в строительстве, нефтехимии и творческих профессиях - сценаристы Netflix уже работают в сопровождении ИИ.
Идеалом сотрудника становятся T-shaped специалисты, соединяющие свою вертикальную экспертизу - например, в таргетировании рекламы - с горизонтальной экспертизой в смежных отраслях, прежде всего в цифровых технологиях. В конкурентной среде они будут все больше выигрывать на фоне I-shaped специалистов, ограниченных только своей сферой знаний. При этом развитие генеративных моделей снизило порог входа для ИИ - не обязательно быть IT-специалистом, но важно уметь пользоваться тем, что уже изменяет рынок: ChatGPT, Notion AI, Midjourney и т. д.
Появление технологии Agentic AI, ИИ-моделей, способных автономно принимать решения, выполнять задачи и взаимодействовать с пользователями, открывает путь от гибридных специалистов к гибридным коллективам. В них сотрудники, использующие генеративный ИИ для решения одних задач, сотрудничают с самостоятельными, но ограниченными своим функционалом ИИ-агентами.
При этом ИИ не только не заменяет человека, но и более того - нуждается в нем для наиболее полного раскрытия своего потенциала. Самообучающиеся на массивах данных системы зарекомендовали себя в решении типовых задач, требующих высокой скорости и обработки больших объемов информации. Однако при столкновении с проблемами, требующими тонкого понимания или принятия сложных решений, подобные системы оказываются менее полезными, а иногда и контрпродуктивными.
Наиболее перспективной для выполнения работы становится связка человека и ИИ по формуле Human-in-the-Loop, объединяющей модели машинного обучения с опытом людей. Речь идет о взращивании ИИ на ограниченном релевантном наборе данных при постоянном человеческом участии и контроле, при котором суждения специалистов улучшают и корректируют выводы алгоритма, а он, в свою очередь, продолжает учиться на этой обратной связи.
Участие человека в работе с ИИ обеспечивает более точные и релевантные результаты, что особенно важно на таких направлениях, как медицинская диагностика. Благодаря этому симбиозу специалист может использовать постоянно улучшающиеся с его помощью аналитические или творческие возможности ИИ, при этом сохраняя контроль и качество конечного продукта.