Скоро без ChatGPT мы не сможем работать? Что ИИ делает с нашими навыками
Что происходит с профессиональной компетентностью человека, когда искусственный интеллект берёт на себя практику, из которой эта компетентность обычно и вырастает?
Читатель получит четыре измеримых сигнала — минус девятнадцать процентов занятости у молодых в затронутых ИИ профессиях, падение результатов студентов более чем на двадцать процентов без ИИ на экзамене под наблюдением, вдвое худшая точность у медиков после убедительного, но неверного объяснения модели, и шестьдесят девять процентов работодателей, которым грамматическая ошибка в резюме теперь скорее в плюс, — и рабочую формулу двойной компетентности вместо разговора «за» или «против» ИИ.
На что обратить внимание
Ключевые тезисы и выводы
Исследование лаборатории Стэнфордского университета по миллионам американских работников, с данными по июнь 2026 года, массовых увольнений по причине ИИ не показывает. Но занятость людей 22–25 лет в профессиях, сильнее затронутых ИИ, на девятнадцать процентов ниже, чем у ровесников в профессиях, где ИИ применяется меньше.
Экспертом не рождаются: глубина набирается из большого количества рутинных задач, ошибок, повторений и обратной связи. Если вводных задач для junior-специалистов становится меньше, тренировочная лестница исчезает — и рынок приходит к состоянию, где сеньоры по-прежнему нужны, а людей, успевших ими стать, всё меньше.
Автор рассказывает о собственной просадке. Быстро и уверенно писать письменно было её прокачанным навыком; теперь при большой загрузке она наговаривает письма голосом, а модель упаковывает их по её логике, её словами и смыслами. Скорость другая — и навык другой. Писать письма самой стало заметно дольше. Автор тут же оговаривается честно: возможно, ослаб не сам навык, а готовность тратить время на задачу, которую можно сделать сильно быстрее.
Гипотеза, к которой автор приходит: теряется не способность, а готовность долго оставаться внутри сложной задачи. Именно это время — что-то долго писать, долго составлять, лишний раз подумать — и формирует глубинный профессиональный навык.
Работы об обучении на американских и китайских студентах и школьниках расходятся в дизайне, но сходятся в главном. С искусственным интеллектом группа решает быстрее и качественнее. На экзамене под наблюдением, без него, та же группа показывает результат на двадцать и более процентов слабее — знание, которое осталось у человека, оказывается заметно ниже.
Ключевая формулировка выпуска: продуктивная система «человек плюс ИИ» растёт, и растёт очень быстро, но человеческий капитал внутри этой системы, возможно, сокращается — или во всяком случае не растёт так же быстро, как мы ожидаем.
Исследование 2026 года, найденное на медицинском портале PubMed: студентов-медиков разделили на три равные группы и дали каждому двадцать пять сложных диагностических вопросов по типу американского медицинского экзамена. Первая группа видела только вопрос, вторая — вопрос и верное объяснение модели, проверенное специалистами, третья — специально созданное убедительное, но неверное объяснение. В третьей группе вероятность правильного ответа снизилась более чем вдвое.
Термин, на который автор наткнулась в связи с этим исследованием. Простыми словами: человек перестаёт чувствовать ошибочный ответ как менее надёжный и начинает полностью полагаться на то, что выдаёт система. Проверять такие вещи, замечает автор, лучше в учебной ситуации, а не там, где вопрос уже касается жизни и смерти.
Формулировка, к которой сходится вся линия про сомнение: самый опасный специалист — не тот, кто не знает, а тот, чья уверенность перестала отличать знание от ошибки.
С одной стороны, работодатели ищут AI-first и AI-enabled людей — тех, кто грамотно применяет модели в работе, быстро получает результат, передаёт это знание другим и строит новые процессы вокруг инструмента.
С другой стороны, работодателю всё труднее понять, какой навык он покупает. В опросе двухсот пятидесяти британских предпринимателей шестьдесят девять процентов сказали, что предпочли бы увидеть в резюме или заявке даже грамматическую ошибку: она позволяет думать, что текст написал живой человек, а не модель целиком.
Anthropic — компания, создавшая Claude, и Claude используется в ней каждый день; кандидатов, умеющих грамотно работать с моделями, она ищет. При этом резюме и ответы на вопросы кандидат готовит сам, тестовое задание проходит без моделей, если не оговорено иное, а во время живого интервью помощь ИИ не допускается. Одна из самых AI-native компаний фактически проверяет две разные квалификации.
Итог автора: главным профессиональным активом становится не ИИ-грамотность сама по себе, а двойная компетентность — умение усиливать себя моделью и одновременно сохранять собственную глубину и практику, чтобы было чем отвечать за результат.
О чём этот выпуск
Соло-выпуск Анны Волчек, продолжение разговора о сэкономленном времени. Если в прошлый раз вопрос стоял «кому достанется время, которое сэкономил ИИ», то здесь он развёрнут: не взяли ли мы это время в долг у собственной компетентности. Толчком к теме стал вопрос сына автора после предыдущего подкаста — «а не может быть так, что с ИИ мы все не становимся умнее?».
Первый блок — про вход в профессию. Исследование лаборатории Стэнфордского университета по миллионам американских работников, с данными по июнь 2026 года, массовых увольнений из-за ИИ не показывает. Но занятость людей 22–25 лет в профессиях, сильнее затронутых ИИ, оказалась на девятнадцать процентов ниже, чем у их ровесников в профессиях, где ИИ применяется меньше. Автор связывает это с тем, о чём на канале говорили применительно к программистам: вводных задач для junior-специалистов становится меньше, а эксперт вырастает как раз из рутины, ошибок и повторений. Убрать эту тренировочную лестницу — получить рынок, где сеньоры нужны, а взяться им неоткуда.
Второй блок — личный и потому точный. Автор рассказывает, как перестала писать письма руками: наговаривает голосом, модель упаковывает по её логике и её словами. Скорость другая, но и навык другой. Честная оговорка тут же: возможно, ослаб не навык, а готовность тратить время на задачу, которую можно сделать быстрее. Исследований именно про это она не нашла, зато нашла, что диктовка и набор текста распределяют планирование, паузы и формулирование по-разному. Отсюда её гипотеза: теряется не способность, а готовность оставаться внутри сложной задачи долго — а именно это время и делает навык глубоким.
Третий блок — цифры. Работы об обучении на американских и китайских студентах и школьниках расходятся в дизайне, но сходятся в одном: с ИИ группа решает быстрее и лучше, а на экзамене под наблюдением, без ИИ, та же группа показывает результат на двадцать и более процентов слабее. Система «человек плюс ИИ» растёт, человеческий капитал внутри неё — нет. Исследование 2026 года с PubMed идёт дальше: студентов-медиков разделили на три группы и дали по двадцать пять диагностических вопросов; у тех, кто получил убедительное, но неверное объяснение модели, вероятность правильного ответа упала более чем вдвое. Термин, на который автор наткнулась, — «нарушение калибровки уверенности»: человек перестаёт чувствовать ошибочный ответ как менее надёжный.
Закрывают выпуск два сигнала рынка труда, которые смотрят в разные стороны. Компании ищут AI-first и AI-enabled специалистов — и одновременно всё хуже понимают, какой навык покупают: из двухсот пятидесяти опрошенных британских предпринимателей шестьдесят девять процентов предпочли бы увидеть в резюме грамматическую ошибку как признак живого человека. Anthropic, одна из самых AI-native компаний, где Claude используется каждый день, при этом требует готовить резюме и проходить тестовое и интервью без моделей, если отдельно не разрешено иное. То есть проверяет обе квалификации на входе.
Вывод выпуска не в том, что ИИ вредит, и не в том, что он спасает. Он в том, что продуктивность системы «человек плюс ИИ» и компетентность человека внутри неё — две разные величины, и растут они с разной скоростью. Отсюда и главный актив, который называет автор: не ИИ-грамотность сама по себе, а двойная компетентность — умение усиливать себя моделью и одновременно сохранять собственную глубину и практику, чтобы было чем отвечать за результат. Это не призыв вернуться в мир без ИИ, а требование управлять процессом, пока внутри него ещё есть человек, который управляет.
Расшифровка выпуска
Голосовая связка применена к 28 сегментам: 28 определено, 0 содержат несколько определённых участников, 0 вероятных, 0 остаются без окончательной идентификации. Неподтверждённые голоса обозначены как «Участник дискуссии», фрагменты с несколькими подтверждёнными участниками — как «Микс».
Загрузка…