Всем привет! AI экономит время, но не взяли ли мы это время в долг у собственной компетентности? Если помните, в прошлом выпуске мы достаточно много говорили о том, и в целом, наш выпуск был посвящен теме: если AI экономит время, кому достанется это сэкономленное время? Становится ли человек свободнее? Начинает ли он больше производить? Или это время конвертируется в задачи другого человека, возможно, в большее количество работы. Я сегодня хочу продолжить эту тему и задать еще один вопрос. Он, возможно, звучит несколько провокационно.
И вопрос заключается в следующем: не взяли ли мы это время в долг у собственной компетентности? Про что это? Я сразу хочу такой дисклеймер и поделиться тем, что ни в коем случае не умаляю, то, что принесли нам технологии и то, что приносят нам технологии за последние три года. Мне всегда хочется смотреть шире и честно отвечать на вопросы, которые мы сами себе задаем. Кроме того, во многом меня к этой теме подтолкнул мой сын, который пришел ко мне и сказал: "Слушай, мама, интересный был подкаст.
Не могла бы ты рассказать, что, возможно, с AI мы все не становимся умнее?" Это очень откликнулось каким-то моим собственным мыслям, моим собственным переживаниям, последнего времени. Так вот, если AI делает работу быстрее, возможно, в каких-то случаях он делает специалиста слабее. Так ли это? Забирает ли он практику, благодаря которой формируется наша профессиональная глубина, благодаря которой формируется наша профессиональная компетентность? Мы уже с вами говорили, что ведь быстрее не всегда продуктивнее, продуктивнее с AI, возможно, не всегда компетентнее без AI.
Потому предлагаю сегодня об этом поговорить. Есть довольно свежий апдейт, и свежие исследования моей любимой лаборатории Стэнфордского университета. На самом деле лаборатория Стэнфордского университета в Калифорнии изучает влияние цифровых технологий на жизнь человека, на работу человека, на экономику, на рынок труда. И сейчас там выходит просто колоссальное количество свежих исследований, которые очень мотивируют порассуждать на эту тему. Так вот, одно из последних исследований говорит, которое было сделано на миллионах американских работников, включая данные июня, двадцать шестого года.
И первое, что они говорят, что какого-то массового, массовых увольнений по всей экономике по причине использования искусственного интеллекта нет. Но что интересно, что занятость людей от двадцати двух до двадцати пяти лет в профессиях, которые затронуты искусственным интеллектом сильнее, на девятнадцать процентов стала ниже, чем занятость людей, молодых людей этого же возраста в профессиях, которые в меньшей степени используют на сегодняшний день искусственный интеллект. Мне кажется, мы говорили уже о данном противоречии применительно к программистам. Александр не раз обращал внимание на сокращение именно вводных задач для junior специалистов.
У нас есть несколько подкастов на эту тему. И у меня тогда сразу возникает вопрос: если молодой человек, не может иметь этот быстрый вход в профессию,
то каким образом он будет обретать профессиональную глубину? Каким образом он будет формировать свой навык? По сути, ведь у нас эксперт не становится сразу экспертом. Эксперт экспертом не рождается, он появляется из большого количества таких рутинных задач, из большого количества ошибок, повторений, из большого количества обратной связи. И вот представьте, что мы убираем эту тренировочную лестницу, и, по сути, у нас, может, через какое-то время возникнуть очень такой странный специфический рынок. Сеньоры и высококвалифицированные специалисты, очевидно, все еще нужны, людей, которые успели им стать, становится все меньше и меньше.
Если пойти в этом рассуждении дальше, то возникает такой вопрос: действительно ли для формирования навыка нужна практика?
Очевидно, да.. И, вопрос достаточно риторический. Но теряем ли мы эту практику при использовании AI? В реальной работе мы ведь действительно все чаще начинаем оценивать результат. Как написано письмо, как сгенерирован код. И, по сути, ну, какое значение имеет, какое количество каких-то мыслительных операций для этого сделал человек? Я начала замечать это даже на себе. Вот могу поделиться таким личным опытом. Я раньше очень быстро писала и письменно любую мысль могла выразить.
Это в целом был мой такой достаточно прокачанный и уверенный скилл. И теперь у меня другой процесс. Я уже несколько лет при большой загрузке наговариваю большое количество писем голосом. Затем модель помогает их упаковать по моей логике, используя мой wording, используя мой стиль, наполняя моими смыслами, формулировками. Но скорость, безусловно, это дает совершенно другую. И, по сути, это ведь совершенно другой навык, чем самой сразу складывать письмо в текст. Я стала чувствовать разницу. Мне как будто дольше стало писать письма самостоятельно. Я тут хочу точно быть честной и, возможно, не сам навык ослаб.
Может быть, я просто не готова, больше тратить время на задачу, которую я могу сделать сильно быстрее. Я даже поискала специальные исследования на эту тему про взрослых специалистов, которые регулярно наговаривают письма и передают их AI. Чего-то существенного, интересного я не нашла, но в целом, наткнулась на интересную вещь, что диктовка и самостоятельный набор текста это очень разные процессы. В них по-разному распределяются вот это планирование, паузы, формулирование мыслей, вывод. И, по сути, это не про потерю навыка, перераспределение вообще навыка и компонентов внутри него. Но вместе с тем еще раз у меня появилась гипотеза, что мы теряем не сколько способность, возможно, мы теряем готовность оставаться внутри сложной задачи долгое время.
Но, ребят, именно эта способность оставаться внутри задачи долгое время ведь и влияет на формирование глубинного и профессионального навыка. Это способность что-то долго писать и составлять, что-то долго создавать, лишний раз думать. Это, по сути, в рамках этого времени и тренируется наша способность, в рамках этого времени и формируется наш навык, то есть нахождение внутри самой задачи. Итого, с одной стороны, получается, что отсутствие, вот, сокращение возможности входа, людей без молодых специалистов, без навыков в профессию не дают возможность какому-то навыку профессиональному формироваться для того, чтобы владеть им действительно глубоко и качественно. Второе - использование внешних инструментов, приводит к тому, что мы больше не хотим долго и упорно работать над какой-то задачей, что также сокращает время, которое необходимо на формирование навыка. Ребята, поделитесь, как вы видите и как вы считаете, у кого, у кого какой опыт?
Кто стал с искусственным интеллектом сильнее, кто чувствует, что какие-то навыки начинает терять и необходимо срочно их восполнять и обращать внимание? Давайте посмотрим, еще пойдем дальше в этом рассуждении и, посмотрим на то, что происходит в таком случае, если вот эту дополнительную помощь у человека убирают, дополнительную помощь в виде искусственного интеллекта, в виде различных инструментов. Но сейчас достаточно много интересных исследований об обучении, которые проведены в разных контекстах, в с разным дизайном на американских студентах и школьниках, на китайских студентах и школьниках, но которые наверняка нельзя под какой-то универсальный закон оформлять, но они все показывают очень важное различие. Если есть результат человека вместе с искусственным интеллектом и есть знание, которое остается у человека, если искусственный интеллект забирать.
Безусловно, я не просто так хочу привести пример именно на студентах, поскольку мы говорим о процессе обучения, и хочется, подумать, что же тут, что же остается. Вот этот знание, которое осталось у человека, оно сильно ниже, и студенты, школьники быстрее и качественнее решают, безусловно, с искусственным интеллектом, быстрее делают домашние задания, показывают более
такой быстрый и качественный результат. Но что интересно, что без использования искусственного наблюдения при экзаменах под наблюдением эта же группа, эта же аудитория стала показывать результаты на двадцать и более процентов слабее. То есть, по сути, я хочу сказать о следующем то, что вот эта продуктивная система человек плюс AI растет и растет очень быстро, но человеческий капитал внутри этой системы, он, возможно, сокращается либо не растет так быстро, как мы ожидаем. Дальше для меня появляется такой, на мой взгляд, суперважный вывод. Может, возможно, мы не только теряем и упускаем вот эту способность формировать наш навык в
совершенно разных сферах нашей жизни, но и сомнения, потому что применительно к искусственному интеллекту мы очень часто говорим о критическом мышлении, как важно критически мыслить и оценивать результат, который выдает та или иная модель. Мы очень много говорим о том, что каждый ответ нам нужно обязательно проверять. Но чтобы проверять, человек должен допустить, что он ошибается. И человек должен иметь вот это внутри сомнение и чувство, ощущение, на основании которого он понимает, что ответ нужно проверить. На PubMed, это медицинский портал, где собрано большое количество на сегодняшний день статей, клинических испытаний, исследований медицинских, есть интересное исследование двадцать шестого года, которое было проведено не на практикующих врачах, к счастью, на студентах-медиках. Но студентов разделили на три равные группы и дали каждому по двадцать пять сложных диагностических вопросов, которые были построены по типу таких клинических задач, американского медицинского экзамена. Так вот, первая группа, она видела только вопрос.
Вторая группа, она видела вопрос и очень правильное AI объяснение, которое было проверено медицинскими специалистами. Третья группа получала специально созданное убедительное объяснение, специально созданное искусственным интеллектом убедительное объяснение, но которое было неверным. Так вот, что интересно. Вероятность правильного ответа снизилась более чем вдвое у группы, которые получили неверное правильное объяснение со стороны искусственного интеллекта. Тут я даже наткнулась на такой очень интересный научный термин «нарушение калибровки уверенности».
То есть, простыми словами, человек перестает чувствовать ошибочный ответ как менее надежный, и он полностью начинает полагаться на тот ответ, который ему выдает система. Это очень актуальная тема и очень актуальный вопрос именно в рамках медицинского сообщества. Ну, как минимум потому, что исследований похожих достаточно много, и не буду тут на них останавливаться. И очевидно, что такие вещи лучше проверять в учебной ситуации, не там, где вопрос уже касается жизни и смерти. Но для меня это такой, кейс, который снова показывает вот эту потихонечку, сокращающую нашу способность начинать сомневаться в той выдаче, которую предоставляет нам модель, и
в том, как именно она предоставляет нам этот результат. Ведь самый опасный специалист — это не тот, кто не знает, самый опасный специалист, мы с вами это прекрасно знаем, чья уверенность вообще перестала отличать знания от ошибки. У нас уже сформировалась такая многоуровневая цепочка. Я сейчас все подытожу, но хочу сказать, что рынок, по сути, уже сейчас посылает нам два противоположных сигнала.
С одной стороны, компании ищут AI-first, AI-enabled специалистов, людей, которые умеют грамотно использовать ИИ в своей профессиональной деятельности, быстро получать результат, передавать эти знания другим, строить новые процессы, управлять инструментом. С одной стороны. С другой стороны, работодателю все труднее понять, какой именно профессиональный навык он покупает. Что стоит за компетентностью того либо иного специалиста. был проведен опрос, опросили двести пятьдесят британских предпринимателей, и среди которых шестьдесят девять процентов поделились тем, что они предпочли бы видеть в резюме либо в заявке какую-то даже грамматическую ошибку, потому что это позволяет думать, что данное резюме написал реальный человек, и оно не было полностью искусственно сгенерировано искусственным интеллектом. То есть, по сути, сама компания, она хочет видеть человека вот без посредника.
И, сам менеджер, принимая решение, хочет четко быть уверен, что же он покупает. И тут ведь возникает такая двойная квалификация, потому что я умею работать с искусственным интеллектом, но я должна доказать, что мое профессиональное суждение, что мои профессиональные навыки, они независимы от искусственного интеллекта. у нас, мне кажется, неделю или полторы недели назад на одном из подкастов канала Александр рассказывал о маркировке ИИ сгенерированного контента. И во время этого подкаста я подумала, что у нас сто процентов через какое-то время появятся способы такую маркировку обходить.
И параллельно с этим у меня возникла гипотеза, что через какое-то время достаточно актуальными будут строки в резюме «работаю без ИИ» или «умею писать без ИИ», или «умею генерировать код без искусственного интеллекта». Возможно, мы к этому придем. Но, собственно, даже закончить сегодняшний наш подкаст я хочу и политикой Anthropic для кандидатов. И Anthropic — это компания, которая создала Claude, и в самой компании Claude используется каждый день. И, безусловно, Anthropic ищет кандидатов, которые точно умеют грамотно сотрудничать и пользоваться искусственным интеллектом.
Но дальше начинается очень интересное разделение этих режимов. И первый вариант резюме и ответов на вопросы кандидат должен готовить самостоятельно, проходить, тестовое задание, если не было каких-то дополнительных разрешений, кандидаты должны проходить без использования моделей. Для подготовки к интервью во время живого интервью никакой помощи искусственного интеллекта, если сама компания специально не указала требование какого-то другого, например, подхода. То есть, по сути, одна из самых AI-native компаний уже фактически проверяет две разные квалификации на входе.
Умеет ли человек сотрудничать с искусственным интеллектом и существуют ли у него собственные проверенные убедительные навыки и доказательства. Если собрать, все, о чем мы сегодня говорим вместе, получается очень интересная картина.
Искусственный интеллект точно не увольняет людей массово, но он, как мы видим, сокращает вход в некоторые профессии. Он, что препятствует формированию и росту сеньоров внутри этих профессий, людей, которые обладают глубокими навыками, за которые, собственно, они, и ценятся. Искусственный интеллект дает готовый результат, экономит время, но он может забирать практику, из которой формируется наша профессиональная глубина. Искусственный интеллект дает быстрый готовый результат, экономит время, но с этим сэкономленным временем он забирает время на практику, в которой формируется наша профессиональная глубина.
Искусственный интеллект способен сделать общую систему «человек плюс ИИ» продуктивнее. Но это не означает, что человек внутри этой системы, компонент человека внутри системы становится компетентнее сам по себе. И убедительный ответ ИИ может содержать, ошибку. Но дело даже не в том, что он может содержать ошибку, он может сделать нас менее способными почувствовать, что мы ошибаемся. Поэтому, наверное, если все это подытожить, главным таким нашим профессиональным активом становится даже не ИИ-грамотность, такая двойная компетентность.
Я умею усиливать себя с помощью искусственного интеллекта, но параллельно с этим я сохраняю собственную глубину, я сохраняю собственную компетентность, я сохраняю собственную, практику, чтобы взять ответственность за результат. Поэтому если в прошлом выпуске мы говорили и рассуждали на тему, кому достанется время, которое сэкономил ИИ, я к этому вопросу хочу добавить, еще один: не отдали ли мы эту экономию в обмен на собственную компетентность? И это не про то, чтобы вернуться в какой-то мир без ИИ.
Это про то, чтобы научиться грамотно этим процессом управлять, чтобы в мире с искусственным интеллектом оставался человек, который управляет этим искусственным интеллектом. Интересно живем. Остаемся на связи.