Появление и стремительное развитие искусственного интеллекта кардинально меняет этот мир и роль человека в нем. ИИ берет на себя все больше задач, которые еще недавно считались исключительно человеческой интеллектуальной работой: анализ информации, поиск закономерностей, подготовку текстов, обработку данных, генерацию идей. Но парадокс технологической трансформации заключается в том, что по мере роста возможностей машин значение человеческих качеств не уменьшается – меняется сама природа их ценности. По сути, ИИ возвращает нас к идеалу универсальности, как это было в эпоху Возрождения, когда от человека требуется выйти за пределы узкой специализации, постоянно перестраивать набор освоенных компетенций, в том числе кардинально разучиваться от тех, что «выходят из строя», непрерывно развивать систему навыков, прокачивать аналитическое мышление. Все это становится важнейшими требованиями мирового рынка труда. О том, какие компетенции будут определять профессиональную ценность в ближайшие годы, почему искусственный интеллект не отменяет человеческую экспертизу, а меняет требования к ней, и какие навыки уже сегодня необходимо развивать, рассуждает банкир, финансист, заместитель председателя правления ВТБ Дмитрий Брейтенбихер.
Текст: Дмитрий Брейтенбихер
Фото: Вячеслав Новиков © ЮНИМЕДИА
Еще недавно профессиональная биография выглядела довольно линейно: образование, первая работа, опыт, повышение ответственности. Профессия могла меняться, но сама логика оставалась прежней: человек осваивал определенную область знаний, а потом десятилетиями превращал эту экспертизу в профессиональную ценность. Сегодня эта модель начинает быстро меняться. По оценкам World Economic Forum, к 2030 году изменится около 39% ключевых навыков, необходимых на рынке труда. Около 92 млн рабочих мест могут исчезнуть, но одновременно появится около 170 млн новых. То есть речь идет не столько о сокращении занятости, сколько о серьезной перестройке ее структуры. При этом примерно 59% работников потребуется переобучение.
В разговоре о рынке труда в эпоху ИИ главный вопрос состоит не в том, сколько профессий уничтожит технология. Важнее другое: каким должен быть человек, чтобы оставаться востребованным в экономике, где значительная часть интеллектуальной рутины уже автоматизирована? Ответ уже постепенно вырисовывается. Ценность смещается от того, что человек знает, к тому, как он думает, как работает с технологиями и насколько быстро способен менять собственную профессиональную модель.
В новой экономике уже недостаточно быть просто хорошим специалистом. И это не означает, что экспертиза теряет значение. Напротив – глубокое знание предметной области остается фундаментом. Однако одного фундамента теперь мало. Условно новые компетенции можно разделить на три группы:
Первая – технические: аналитическое мышление, работа с данными, искусственный интеллект, системное мышление. Их особенность в том, что инструменты здесь очень быстро меняются.
Вторая – человеческие: лидерство, коммуникация, способность работать с изменениями. Они становятся дороже именно потому, что их значительно сложнее автоматизировать.
Третья – метанавыки: способность учиться, креативность и междисциплинарность. Они определяют скорость, с которой человек осваивает все остальное.
Получается довольно простая конструкция: технические навыки нужно постоянно обновлять, человеческие – углублять, а метанавыки оказываются множителем всей системы. Именно такая комбинация и превращается в главный человеческий капитал эпохи ИИ.
Среди навыков, востребованных работодателями, аналитическое мышление занимает первое место. Причина очевидна: информации становится все больше, а человеческая способность ее осмысливать продолжает быть ограниченной. ИИ уже умеет искать информацию, писать тексты, создавать изображения и программный код. Но наличие ответа еще не означает присутствия правильного решения. По-прежнему нужен человек, который умеет сформулировать проблему, выдвинуть гипотезу, оценить доказательства, отличить корреляцию от причинности и, главное, спросить: а действительно ли полученный ответ верен? Чем больше решений мы передаем машинам, тем выше цена человеческого суждения. Аналитическое мышление – это в первую очередь способность усомниться в первом очевидном ответе.
История Capital One хорошо показывает эту логику. Банк превратил работу с кредитными картами в непрерывный эксперимент, проверяя разные ставки, лимиты и способы коммуникации с клиентами. Вместо управленческого «нам кажется» появилась культура «мы проверили». Аналитика перестала быть вспомогательным инструментом, а вошла в саму бизнес-модель. В эпоху ИИ этот принцип становится еще важнее. Машина может значительно ускорить анализ, но кто-то должен правильно поставить вопрос и понять, что на самом деле означает полученный результат.
Самый быстрорастущий навык – работа с ИИ и данными. И тут легко попасть в ловушку, сведя ИИ-грамотность к умению составить хороший запрос в чат-боте. На самом деле все серьезнее. ИИ-грамотность предполагает понимание возможностей и ограничений модели: что она умеет делать хорошо, где ошибается, как проверить результат, какие данные ей можно передавать и какие риски возникают при ее использовании.
Показателен эксперимент Эрика Бриньольфссона и его коллег: использование ИИ-помощника в службе поддержки позволило увеличить производительность примерно на 14%, причем наибольший эффект получили менее опытные сотрудники. Технология не просто ускорила работу – она сократила разрыв между новичками и более опытными специалистами. Это меняет саму логику профессионального преимущества. Если раньше опыт был главным источником эффективности, то теперь часть накопленного опыта может быть встроена в технологию. Преимущество получает тот, кто способен правильно поставить задачу ИИ, критически проверить результат и встроить его в рабочий процесс. Поэтому вопрос сегодня уже не столько в том, «заменит ли ИИ человека». Гораздо интереснее спросить: какого человека ИИ сделает сильнее?
Чем сложнее становится экономика, тем хуже работают решения, в которых проблема рассматривается изолированно. Цепочки поставок, климатические риски, цифровая трансформация, искусственный интеллект – все это системы с множеством обратных связей. Изменение одного элемента способно привести к последствиям, далеко выходящим за пределы первоначальной задачи. Отсюда и растущее значение системного мышления – способности видеть не отдельные события, а связи между ними, понимать побочные эффекты и точки, в которых небольшое воздействие может изменить всю систему.
История Kodak стала хрестоматийным примером такой ошибки. Компания сама разработала один из первых прототипов цифровой камеры, но цифровая технология воспринималась как угроза существующему пленочному бизнесу. На уровне отдельного решения сохранение успешной модели выглядело рационально. На уровне системы оно стало стратегической ловушкой. Парадокс в том, что необходимая технология у компании была. Но не хватило другого – способности увидеть, как изменение одного элемента перестраивает весь рынок. Системное мышление как раз и позволяет перейти от вопроса «что происходит?» к вопросу «а что это решение запустит дальше?».
Навыки и компетенции, востребованные в экономике 2030–2050
Самый главный: аналитическое мышление
Самый быстрорастущий: ИИ-грамотность
Самый стратегический: системное мышление для работы с объемом данных
Самый незаменимо человеческий: лидерство и коммуникация
Самый адаптивный: умение учиться и разучиваться
Самый креативный: междисциплинарность и творчество
Данные часто называют новой нефтью. Для современной экономики, пожалуй, точнее назвать их топливом: ценность возникает только тогда, когда данные превращаются в решение. Можно обладать терабайтами информации и не понимать, что с ней делать. И наоборот – одна правильно интерпретированная таблица способна изменить стратегию компании. Поэтому работа с данными требует, помимо технических навыков, критического мышления. Надо понимать: откуда взялись данные? Что они не включают? Какие ограничения в них заложены? Является ли обнаруженная зависимость причинной или просто совпадением?
История американского ретейлера Target показывает и другую сторону вопроса. Анализ структуры покупок позволил компании с высокой вероятностью определять беременность клиенток еще до того, как это становилось очевидным их близким. С точки зрения аналитики – впечатляющий результат. С точки зрения бизнеса и общества поднимается уже другой вопрос: где проходит граница между возможностью использовать данные и правом человека на приватность? Чем сильнее становится аналитический инструментарий, тем выше цена ошибки и тем важнее этика его применения.
Здесь становится понятно, почему человеческие навыки не исчезают с распространением ИИ, а, наоборот, дорожают. Лидерство – одна из наиболее быстрорастущих компетенций. Что закономерно: когда часть интеллектуальной работы выполняет машина, человеку приходится заниматься тем, что невозможно полностью делегировать алгоритму, – создавать смысл, координировать людей, брать на себя ответственность. Будущая команда все чаще будет выглядеть как система «человек плюс ИИ». Лидерство в такой схеме – уже не про распределение задач. Оно про способность создать среду, в которой люди не конкурируют с технологией за собственную значимость, а используют ее, чтобы делать больше и лучше.
Особое значение приобретает психологическая безопасность – возможность говорить об ошибках, задавать вопросы и оспаривать решения без страха быть наказанным за несогласие. На первый взгляд это мягкая управленческая тема. На практике у нее вполне жесткое экономическое измерение: команда, в которой люди боятся сообщать о проблеме, перестает учиться. А команда, перестающая учиться, неизбежно начинает отставать.
Если почти 40% ключевых навыков меняются за несколько лет, трансформация становится не отдельным проектом, а постоянным состоянием бизнеса и компании. Новая CRM, цифровая платформа, алгоритм или организационная структура могут быть технически безупречны – и все равно не заработать. Причина проста: люди меняют поведение только тогда, когда понимают, зачем им это нужно, готовы принять эти изменения. То есть внедрение технологии – всегда одновременно технологическая и человеческая задача.
Разница между успешной и неудачной трансформацией часто заключается совсем не в качестве программного продукта. В одном случае сотрудников вовлекают заранее, объясняют смысл изменений и дают возможность освоить новый инструмент. В другом – просто объявляют новый порядок работы. Формально система внедрена, а люди продолжают действовать по-старому. Технологическая трансформация без изменения человеческого поведения остается, по сути, лишь установкой нового программного обеспечения.
В эпоху информационного избытка коммуникация превращается в один из главных усилителей всех остальных навыков. Можно провести блестящий анализ, но если его невозможно объяснить человеку, принимающему решение, ваш аналитический поход не создаст ценности. Можно придумать сильную стратегию, но если команда не понимает ее смысла, она останется документом. Коммуникация – это не умение много и красиво говорить. Это способность сокращать сложность, не разрушая смысл.
Презентация первого iPhone Стивом Джобсом хорошо показывает эту логику. Вместо длинного списка технических характеристик аудитории предложили простую концепцию: три разных устройства, которые на самом деле оказываются одним. Сначала возник смысл, затем эмоциональная связь, а уже после этого характеристики стали доказательством. В мире, где ИИ способен производить практически бесконечный поток контента, преимущество получает не тот, кто говорит больше. Оно у того, кто способен сформулировать главное.
Есть еще один миф, который стоит пересмотреть: будто креативность – врожденный дар. В действительности творческое мышление можно тренировать. Оно возникает не только из вдохновения, но также из способности генерировать множество вариантов, соединять разрозненные идеи и быстро проверять гипотезы. Здесь ИИ как раз оказывается не партнером, а не конкурентом. Если машина забирает рутинную часть работы, у человека появляется больше пространства для новых вопросов и новых комбинаций.
История Netflix очень показательна в этом вопросе. Компания не стала бесконечно защищать модель, которая приносила ей прибыль. Она начала инвестировать в стриминг, а затем – в производство собственного контента, фактически несколько раз меняя собственную бизнес-модель. Креативность при таком подходе – не в придумывании одной гениальной идеи один раз и навсегда, а в готовности постоянно ставить под вопрос собственную успешную модель.
Чем сложнее задача, тем меньше вероятность, что ее можно решить внутри одной дисциплины. Финансовый специалист, который понимает только финансы, маркетолог, разбирающийся только в маркетинге, или технолог, не понимающий поведения пользователя, ограничены собственной профессиональной оптикой. Наиболее ценными тут становятся Т-профили – люди с глубокой экспертизой в одной области и широкой системой знаний в других. На пересечении дисциплин часто возникают новые решения: финансы встречаются с психологией, медицина – с данными, инженерия – с дизайном.
Исследования Скотта Пейджа, посвященные разнообразию моделей мышления, дают здесь важную интеллектуальную рамку: в сложных задачах разнообразие способов думать дает команде преимущество перед группой людей с одинаковой профессиональной логикой, даже если каждый из них по отдельности чрезвычайно силен. Иными словами, сложный мир требует не одного идеального способа мышления, а нескольких разных линз и оптик.
Библиотека будущего: новое мышление, ИИ, лидерство
- Даниэль Канеман. «Думай медленно… решай быстро»
- Филип Тетлок, Дэн Гарднер. «Думай медленно – предсказывай точно. Искусство и наука предвидеть опасность»
- Джудиа Перл, Дана Маккензи. «Почему? Новая наука о причинно-следственной связи»
- Итан Моллик. «Совместный интеллект. Жизнь и работа с ИИ»
- Мелани Митчелл. «Идиот или гений? Как работает и на что способен искусственный интеллект»
- Брайан Кристиан. «Проблема согласования: машинное обучение и человеческие ценности»
- Донелла Х. Медоуз. «Системное мышление. Как создавать и улучшать системы в бизнесе и жизни»
- Питер М. Сенге. «Пятая дисциплина. Искусство и практика обучающейся организации»
- Джон Д. Стерман. «Динамика бизнеса: системное мышление и моделирование сложного мира»
- Эдвард Р. Тафти. «Визуальное представление количественной информации»
- Фостер Провост, Том Фосетт. «Наука о данных для бизнеса: что нужно знать об интеллектуальном анализе данных и аналитическом мышлении»
- Джудиа Перл, Мадлен Глимур, Николас Джуэлл. «Каузальный вывод в статистике: введение»
- Эми С. Эдмондсон. «Бесстрашная организация»
- Джон П. Коттер. «Ведение изменений»
- Дэниел Гоулман. «Эмоциональный интеллект. Почему он может значить больше, чем IQ»
- Джефф Хайатт. «ADKAR: модель изменений в бизнесе, государстве и обществе»
- Чип Хиз, Дэн Хиз. «Сделано, чтобы прилипать. Почему одни идеи выживают, а другие умирают»
- Нэнси Дуарте. «Резонируй: создавай визуальные истории, которые меняют аудиторию»
- Р. Кит Сойер. «Объясняя творчество: наука о человеческих инновациях»
- Михай Чиксентмихайи. «Творчество: труд и жизнь 91 выдающегося человека»
- Скотт Э. Пейдж. «Модель мышления: что нужно знать, чтобы заставить данные работать на вас»
- Питер Браун, Генри Редигер, Марк Макдэниэл. «Запомнить все. Усвоение знаний без скуки и зубрежки»
- Барбара Оакли. «Думай как математик. Как решать любые задачи быстрее и эффективнее»
- Андерс Эрикссон, Роберт Пул. «Пик: секреты новой науки мастерства»
- Нитин Сет. «Преимущество человека в эпоху ИИ: восемь непреходящих принципов успеха»
- Чандрасекхар Срипада. «Формируя будущее труда: создавайте гибкие варианты работы и раскрывайте человеческий капитал Бхарата»
- Винит Наяр. «Сначала люди, затем машины»
- Кай-Фу Ли. «Сверхдержавы искусственного интеллекта. Китай, Кремниевая долина и новый мировой порядок»
- Кай-Фу Ли, Чэнь Цюфань. «ИИ-2041: десять образов нашего будущего»
Все перечисленные навыки имеют общий фундамент – умение учиться. Если почти половина навыков изменится в течение нескольких лет, то построить карьеру только на уже накопленном капитале знаний будет невозможно. Нам придется как постоянно приобретать новое, так и отказываться от того, что еще недавно работало. И тут надо усвоить важную мысль: обучаемость – способность не только научиться, но и разучиваться. Опыт может быть преимуществом, а, может превратиться в ловушку. Чем дольше человек работает по определенной модели, тем сильнее риск принимать привычное за правильное. Поэтому современная профессиональная устойчивость определяется не объемом накопленного опыта, а скоростью его обновления.
Исследования обучения показывают, что простое перечитывание материала создает скорее иллюзию знания, чем устойчивое усвоение. Значительно эффективнее активное припоминание, интервальное повторение и практика с обратной связью. Эта логика работает далеко за пределами образования. Если специалист хочет сохранить конкурентоспособность, ему нужно регулярно ставить себя в ситуацию, где он чего-то еще не умеет.
Есть соблазн составить рейтинг будущих компетенций и начать осваивать их одну за другой. Но это путь в никуда. В реальной работе навыки создают ценность не по отдельности, а в комбинациях. Аналитическое мышление плюс данные превращаются в способность делать причинно-следственные выводы. Умение учиться плюс ИИ дают возможность осваивать новые инструменты за дни, а не месяцы. Лидерство плюс коммуникация создают доверие, необходимое для проведения изменений. Креативность плюс междисциплинарность позволяют находить решения за пределами привычной профессиональной модели.
Поэтому развивать компетенции имеет смысл не как коллекцию сертификатов, а как систему взаимно усиливающих способностей. Отсюда и практический принцип: лучше учить два навыка одновременно на реальной задаче, чем десять – последовательно и абстрактно.
Если свести все сказанное к одной формуле, она будет выглядеть так: будущее не за узкой специализацией, а за комбинацией мышления, ИИ-грамотности и человеческих навыков. Это не означает, что эксперты исчезнут. Напротив, глубокая экспертиза останется необходимой. Но ее роль изменится. От специалиста будущего требуется не просто знать больше других, а уметь соединять глубокое знание с аналитикой, технологиями, коммуникацией и постоянным обучением.
В этом смысле ИИ не отменяет человеческую ценность. Он заставляет заново определить ее границы. А также лишает профессию статуса конечного пункта образования. Она становится временной конфигурацией навыков. А значит, самая перспективная стратегия на ближайшие десятилетия – не угадать профессию, которая окажется востребованной в 2050 году. Это практически невозможно. Гораздо разумнее развивать способность оставаться востребованным при любом изменении профессий.
