В прошлом выпуске я говорила о том, и рассказывала, что AI все глубже входит в наши решения. Формирует, например, список кандидатов, решения по людям, собирает анализ, предлагает какой-то ответ, на основании которых мы принимаем решение. Мы говорили также о том, что если решение действительно важное, человек должен понимать, что произошло, уметь проверить результат и прежде всего, взять на себя ответственность за этот результат. Но после этого выпуска у меня остался вопрос: а как мы вообще формируем и как на сегодняшний день формируется человек и компетенции, которые способны это делать?
Так хочу поделиться такой историей. Моему сыну двадцать лет, и уже год он учится в Варшавской политехнике на прикладной информатике. Это сильная программа с высоким конкурсом. И мой сын всегда был человеком, которому действительно нравилось учиться. Но в последнее время я все чаще слышу от него: "Мама, я не понимаю, зачем мне это учить". Или: "Мама, я не понимаю, зачем нам эти курсы. Ты бы просто послушала наших преподавателей". Я, точно не слышу в его словах и в его голосе нежелание учиться.
Я слышу потерю смысла. Я вижу, что он дезориентирован. И отчасти это словно такой вопрос, наверное, громко сказано, поколение, возможно, и поколение, которое живет сейчас в двух системах. То есть, с одной стороны, в университетах ребята изучают алгоритмы, пишут коды, разбираются с ошибками, осваивают различные фундаментальные принципы, а с другой стороны, рядом уже есть AI и среда, где за несколько секунд можно написать приложение, объяснить алгоритм, предложить готовое решение любой задачи.
И, возникает вопрос, что в такой ситуации значит знать и что такое знать? Нужно ли человеку по-прежнему уметь делать то, что уже умеет делать инструмент? Знаете, это как, нужно ли уметь ездить на коробке передач, если есть автомат? А нужно ли ездить и уметь управлять автоматом, если есть автопилот? Я на самом деле хочу сегодня в большей степени поговорить именно об этом и о том, как появляется
вот этот профессионал, как появляется человек с новыми компетенциями. Двадцать второго июля журналист издания Business Insider Тибо Спарлем, он опубликовал материал о свежих результатов Джейкоба Лайта. Он собрал данные более чем о пятидесяти миллионах учебных курсов в более чем в тысяче американских колледжах и университетах, начиная с девяносто шестого года. И чем интересно это исследование, то, что в двадцать пятом и двадцать шестом учебном году доля записей на computer science впервые примерно за двадцать лет снизилась на четыре точка шесть десятых процента. Это, конечно, не какой-то критический обвал. И сам Лайт, он говорит о том, что, возможно, это совпадение нескольких изменений, и это не доказывает, что снижение вызвал именно AI. Но параллельно с этим данные исследовательского центра National Student Clearinghouse, а это американская некоммерческая организация, которая собирает и анализирует данные об образовании, показывают очень похожее направление, и осенью двадцать пятого года число студентов традиционных бакалаврских программ по направлению computer science снизилось на восемь точка одну десятую процента. При этом программы data science и data analytics продолжили расти.
Получается, что и вопрос, который задает на сегодняшний день мой сын, и я думаю, что очень многая другая молодежь, она, они, эти вопросы не являются сугубо личными. По сути, студенты сегодня, они начинают оценивать новый, как будто заново образовательный контракт. Что именно я здесь получу? Будет ли это через четыре года? И почему мне нужно тратить месяцы, возможно, или годы на задачу, которую AI на сегодняшний день решает за минуту? Я не предлагаю обсуждать и запускать дискуссию на тему, что базовый навык открывает доступ к мышлению более высокого уровня.
Это очевидно, по крайней мере, пока очевидно. Но также очевидно и то, что вот этого старого "учи, потому что так положено" или "учи, потому что так надо", этого уже недостаточно. Университет сегодня точно должен уметь объяснить, какую способность развивает каждая сложная задача, как она и в каком месте, соединится вообще в целом с AI. В продолжении как раз-таки, в каком месте и как соединяются наши знания с AI. Знаешь, я еще спросила у своего сына, вчера как раз, когда готовилась к выпуску, я спросила у Данилы: "Данила, за последний год сколько у вас вообще раз, всплывал контекст AI в рамках того или другого предмета?" Саша, прикладная информатика, Варшавская политехника.
И он мне отвечает: "Мама, ноль раз". Ни один преподаватель ни разу за целый год не поднял этот вопрос в рамках ни одного предмета. И тогда, знаешь, это просто какой-то, вот коллапс, да? Я это, так как-то припарковала, но запинила. Но, по сути, это ведь катастрофический коллапс. И понятно, что это не везде, знаешь. И есть, например, когда начинаешь готовиться к теме, ты видишь разницу тех же университетов в Штатах, ряда университетов в Штатах и на, предположим, университетов в Европе.
Но, тем не менее. Двадцать третьего июля был опубликован свежий препринт, исследовательского центра Мичиганского университета о связи доступности генеративного
И с университетскими оценками. Что было интересного в этом препринте? Что было интересного в этом исследовании? То, что команда проанализировала данные сто ста пятидесяти шести тысяч студентов и почти восемьдесят восемь тысяч отдельных запусков курсов в одном крупном флагманском университете США за 2015 - 2025, года. Название университета в работе не раскрывается. Студенты сравнили периоды до и после появления ChatGPT и отдельно посмотрели на курсы, где домашние задания и эссе было особенно легко передать и переделать с помощью генеративного AI. И что интересно, что они не нашли статистически значимого никакого дополнительного роста оценок именно на таких курсах.
То есть отдельного эффекта также не обнаружили у студентов с более низкой прежней успеваемостью. То есть, по сути, самооценка понимания предмета не изменилась. Но, по сути, это исследование показывает очень интересную вещь. Одной доступности AI оказалось недостаточно и оказывается недостаточно, чтобы увидеть дополнительный измеряемый рост оценок или самооценки понимания в тех показателях, которые наблюдали исследователи. Вот это, такой, наверное, ключевой вывод. По сути, это не доказывает, что никто не научился большему, но и не дает основание считать, что доступ к сильному
инструменту создает сам по себе какую-то измеряемую новую компетентность. Вот мне кажется, что мы много достаточно на нашем канале про это говорим, что использование AI не позволяет человеку приобрести какую-то суперсилу или какое-то суперзнание, которое выводит конкретно данного человека на некий другой уровень. Что, прежде всего, это инструмент в руках того, кто его использует. И возможно, тут студент ведь быстрее делает то же самое. Возможно, AI помогал студентам и помогает обойти часть усилий.
Точно AI может увеличить скорость и масштаб действий. Но повторю, что он не создает автоматически суждения, он не создает автоматически контекста, он не создает автоматически мы уже говорили раньше, способности отвечать за последствия, брать ответственность и формировать именно вот эту самую новую компетенцию. То есть, по сути, это такая, наверное, связь большая и с нашим прошлым выпуском, когда мы говорили про ответственность за решения, но также и про то, насколько вот где искать и где понимать, какую силу нам дает использование совершенно вообще нового фантастического инструмента, который сейчас оказался в наших руках.
Я себя поймала тут на одной вещи. После появления нового приложения ChatGPT, постоянных обновлений Codex, когда объединились, по сути, приложение чата и Codex, он для меня вообще перестал быть инструментом, к которому я иногда обращаюсь. Я уже делилась этим и переношу информацию из одной среды в другую. По сути, на сегодняшний день для меня это Codex стал средой, в которой я живу, в которой я работаю с точки зрения профессиональной деятельности и в рамках моих каких-то личных задач.
То есть, по моей собственной оценке, где-то процентов девяносто моих задач начинаются сейчас не с Google, например, а именно здесь. И это может быть какие-то домашние дела, связанные с, не знаю, режимом стиральной машины, какими-то поисками рецептов, выбором кафе, либо, на работе это разные проекты, направления, исследования, аналитика, подготовка документов, анализ решений и прочее. И вот в этом месте ведь может показаться, что я как будто научилась выполнять работу многих разных специалистов. Но интересно, ведь действительно ли я получила эти компетенции, или территория моих действий расширилась больше, чем мои знания?
То есть, по сути, AI ведь дает широту действий, но он не передает глубину, он не передает профессиональные знания в той области, по которому я уже могу выносить какие-то суждения.
И здесь, вот этот мой личный опыт и рассуждения сильно встречается с тем, что на сегодняшний день происходит на рынке труда. И, несколько интересных по этому поводу последнее время было опубликовано результатов, опроса и различного рода исследований. Шестого июля TeamworkLab из Atlassian опубликовали результаты опроса тысячи американских специалистов интеллектуального труда, прежде всего. И девяносто два процента участников сказали, что их обязанности вышли за пределы первоначального описания должности.
Конечно, это не значит, что у всех причиной стал AI, но самые активные пользователи AI почти вдвое чаще брали задачи других команд и выполняли специализированную работу без какого-то дополнительного эксперта. То есть, по сути, их зоны их ответственности, зоны их работы очень сильно и существенно расширялась. И буквально позавчера появился еще один слой данных на эту тему. Исследовательская команда OpenAI опубликовала отчет Lockheed The Frontier, она проанализировала более 800 тысяч рабочих сообщений американских пользователей ChatGPT. И после исключения универсальных задач, вроде писем и расписаний, более 43% профессионально специфичных запросов касались работы, исторически связанные с другой профессией. Например, среди HR пользователей эта доля достигала даже 69%.
Причем, что интересно, особенно широко распространяются задачи из трех областей: из области финансов, то есть расчет, интерпретация финансовых данных, из области инженерии и технологии из области маркетинга. Вот тут же ровно такая же дискуссия и заставляет это исследование задуматься о том, о чем мы с вами только что говорили, что это не означает что люди автоматически освоили новые профессии. То есть, по сути, исследование OpenAI, оно не говорит, насколько, был использован ответ, насколько он был качественным, проверял ли его профильный специалист. Но оно фиксирует то же изменение, которое до этого опубликовала команда из Atlassian.
То, что человек берет задачи соседних функций, хотя название его должности и, на самом деле, система компенсации остаются прежними или могут оставаться прежними на сегодняшний
день. Сами авторы в этих исследованиях, они задают такие вопросы: а кто подготовлен к этой работе? Кому разрешено ее выполнять? Кому за нее платят? И для меня тут уже, конечно, вопрос не технологический, вопрос организационный, потому что, на который можно посмотреть двояко. С одной стороны, расширение роли можно назвать развитием, потому что человек получает больше самостоятельности, он видит работу шире, он видит для себя новые горизонты, выполняет какие-то новые, возможно не знаю, задачи, расширяет свою зону ответственности, соединяет несколько профессиональных областей. Но возможен ведь и другой сценарий.
Компания, и бизнес, он складывает в одного человека задачи, которые раньше выполняли несколько специалистов. По сути, обязанностей становится больше. Времени, обучения, там какого-то дополнительного вознаграждения нет. И тогда это уже такое, изменение рынка труда, это уплотнение труда, это с одной стороны. С другой стороны, это размывание и совершенно такая новая перестройка профессиональных границ, профессиональная перестройка той работы, которую сейчас ведется, которую отвечает человек.
По сути, ни Atlassian, ни OpenAI, они, конечно, еще раз не измеряли ни нагрузку, ни вознаграждение. Поэтому сложно отвечать и говорить, что это уже произошло. Но это то, что заставляет задуматься и задавать себе вопрос: а если должность стала шире, что изменилось
вместе с ней? А если должность стала шире, что не изменилось? Как меняется доступ к профессиональной поддержке? К чему и как нужно учиться в университетах? Как меняются все организационные структуры внутри компании? И вопрос еще профессиональной глубины. Вопрос, который вытекает из нашего предыдущего разговора. Если я с помощью AI могу произвести результат в соседней области, к которой я раньше не имела отношения, означает ли это, что я действительно это знаю? Вот этот вопрос, который я поднимала, означает ли это, что я обладаю глубиной этого знания?
Стала ли вот ширина результата и глубина компетенции одно и то же или нет? Инструмент, он может закрыть пробел в знаниях, но тем самым он как будто может скрыть от меня то, что вообще этот пробел существует. Не находиться в этой иллюзии того, что с помощью ChatGPT или с помощью любой другой модели я на сегодняшний день могу закрывать задачи других, другого человека. Или могу? То есть, по сути, если человек с помощью AI заходит на территорию другой профессии, то кто тут будет проверять его решения?
Кто тут будет проверять его последствия? И как самому этому человеку понимать и видеть, до какой степени, до какой глубины он эти решения на другой территории может принимать и отвечать за последствия? Конечно, снова мы говорим сейчас об исследованиях, которые достаточно описательные, которые, я убеждена, просто каждую неделю будем сталкиваться с новыми подобными отчетами и фокусами, но они просто показывают очень такое сильное напряжение, которое сейчас возникает, что очень часто должность может называться по-старому, а территория работы уже становится совершенно другой. И цифры говорят о том, что на достаточно большой территории.
Хочется соединить теперь вот этот путь обучения, который где-то менее понятным, будущую должность, которая становится шире, возможно, и где находится сейчас вот эта первая ступенька в профессию. Я хотела привести пример на инженерах-программистах исключительно для наглядности, потому что я думаю, что и достаточно видимая, на передовой вообще сама профессия и само направление. В Сеульском национальном университете изучили опыт студентов, и довольно занимательное тоже было опубликовано такое небольшое качественное исследование.
Не показывает масштаб явления. Там было проанализировано порядка, четырнадцати интервью со студентами, но очень хорошо объясняет механизм. Авторы этого исследования называют его, absorption или поглощение. И тут, суть его в том, что простая задача, которую раньше отдавали junior специалистам, она не исчезает из компании, а ее сейчас намного быстрее выполняет senior специалист вместе с AI. И для бизнеса в этом отношении работа точно стала эффективнее. Но начинающий специалист, он потерял возможность попробовать, потерял возможность ошибиться, получить какую-то обратную связь поговорить со своим более скиллованным ментором или, коллегой и научиться отличать вот этот правильный результат от неправильного, хороший от плохого.
То есть, по сути, это и есть тот парадокс, который вот мы только что обозначили. Путь обучения становится менее понятным. Вообще чему учить, как, для чего? И первая ступенька в профессию, она в данном случае становится очень сильно узкой. И еще раз, это касается не только программистов. Просто для наглядности пример очень такой простой и очевидный с использованием AI. А будущая должность шире и требует новых задач, и требует расширения той территории, на которой ты работал. То есть, по сути, рынок ожидает сейчас, что молодой специалист, он сразу будет пользоваться AI, он сразу будет заходить, возможно, в какие-то соседние функции, проверять результат, действовать как человек с опытом. Но где этот человек мог получить этот опыт?
И кто тогда будет становиться следующим сеньором? По сути, студент не понимает, зачем ему прежняя задача. Оценка, она не показывает, освоили ли мы новые способности и компетенции. А работодатели, они предлагают новую профессию, предлагают должность, которая уже выходит за прежние рамки. Ответ и решение вот этой дилеммы и этой цепочки состоит не в запрете AI. И точно я не подвожу дискуссию к тому, что, мы должны сохранять какие-то рутинные базовые задачи только потому, что когда-то на этих задачах учились junior ребята и молодые специалисты, которые только сегодня закончили университет. Я хочу подчеркнуть и поднять больше вопрос важности того, насколько университетам и насколько всем бизнесам необходимо заново проектировать вот этот, с одной стороны, путь появления компетенции, а с другой стороны, определить, а какую именно компетенцию мы хотим формировать у этого нового человека и нового профессионала, специалиста, которого на сегодняшний день всем нам надо взращивать.
На этой неделе я также читала одно исследование. На самом деле не исследование, а это была такая заметка проректора по образованию одного британского университета по поводу того, что с двадцать шестого года, с сентября двадцать шестого года AI обязательным образом должен быть встроен во все учебные программы во всех университетах. И неважно, это гражданское строительство, неважно, это маркетинг, финансы, но так или иначе, AI должен учитываться, в рамках любой специальности, на которой обучаются молодые студенты. То есть и, по сути, внутри встраиваясь в эту систему, эта система, она должна отвечать на три вопроса.
Что человек должен уметь без AI, что человек должен уметь с AI и каким способом он должен проверять тот результат, который появляется на выходе. По сути, вот этот пример с образованием, которое на сегодняшний день, я думаю, достаточно, хочется верить, широко распространен в, и должен быть как минимум, распространен во всех университетах, по сути, говорит о том, что для бизнеса, для компании нужен какой-то похожий тест? Потому что если роль сотрудника расширилась, получил ли он доступ к эксперту из соседней функции?
Есть ли у него право показывать какой-то результат? До какой степени? Получает ли он обратную связь? Меняется ли с этой его новой ответственностью его вознаграждение? Просто без этого вот это расширение роли, оно будет выглядеть как такая перегрузка в, перегрузка в реальной жизни. И когда я соединяю вот эти все исследования, о которых мы сегодня, которыми сегодня поделилась, я вижу точно не тот
факт, что AI каким-то образом угрожает профессиям или AI каким-то образом угрожает образованию. Я вижу рассинхронизацию на сегодняшний день, потому что технология, она уже изменила способ получать результат. Технология уже получает результат очень быстро. Но университет в нашем сегодняшнем примере не всегда успел поменять способ проверить понимание. А в рамках бизнеса и в рамках компании должность еще не успела изменить название, хотя ее границы другие, условно название. А человеку здесь по-прежнему нужно понимать и искать, чему учиться, как войти в профессию, какой следующий шаг вообще существует.
И, по сути, именно здесь вот находится такая, я вижу очень большую дилемму, которая на сегодняшний день формируется, которая поднимается очень многими исследователями и не только AI, но в совершенно разных областях именно человеческой жизни. Потому это важно, наверное, не обсуждать технологию отдельно от человека, а каждый раз снова задавать себе вопросы кто принимает решение, кто за него отвечает, и как мы понимаем, что человек с AI обладает, и правда обладает компетентностью, а не только получает нужный результат.