Неудобный вопрос: Являетесь ли вы "человеко-машинным интерфейсом"?
Есть вопрос, который за последние несколько месяцев изменил настроения во многих командах, работающих с данными. Он звучит так же просто, как и сурово: Если бизнес заказывает показатель — вы принимаете запрос, пишете SQL-запрос, возвращаете число. Какой интеллектуальный вклад вы внесли? Ответ: никакого. Вы были переводчиком между бизнес-вопросом и языком программирования. Опытный директор по данным формулирует это прямо:Если это все, на что вы способны — мне жаль. Вам следует серьезно задуматься о своем будущем.
Это не цинизм. Это трезвое наблюдение человека, который как раз проводит эксперимент в своей организации: ИИ-агенты против живых аналитиков. И результат вас удивит.
Тест, который изменил всё
Конкретная бизнес-задача: ценообразование на складские помещения. Особенность данной задачи в том, что при 50% загруженности склада каждая дополнительная продажа уходит практически в чистую прибыль. Помещение и так простаивает. А вот при 100% заполненности склада приходится поднимать цены. Иначе говоря: самое главное, что нужно выяснить в первую очередь — это уровень загруженности. От него зависит всё. Что произошло? Команда из восьми аналитиков неделю копалась в проблеме. Предложили умные действия: тут акция, там скидка, там бандл. Директор спросил: «Красиво, ребята. А загруженность какая?» Ответ: «А мы не посчитали.» Параллельно над той же задачей работали ИИ-агенты. И они первым делом рассчитали уровень загруженности. Потому что это логично, самый главный вопрос.Итоговый результат: ИИ-агенты 1 — Люди 0.
Это не значит, что агенты были умнее. Качество их анализа было посредственным. Но они задали правильный вопрос, а команда его упустила.
Что на самом деле означает эта история
ИИ сегодня делит всех специалистов по данным на два лагеря, и граница проходит не там, где можно было бы ожидать. Дело не в том, можете ли вы использовать ChatGPT. Дело в том, можете ли вы привнести интеллектуальную добавленную стоимость. Лагерь 1: Человеко-машинные интерфейсы. Эти люди принимают бизнес-запросы и переводят их в код. Вся мыслительная работа уже проделана бизнесом — показатель известен, использование ясно. Осталось только реализовать. Эта роль подвержена высокому риску. ИИ уже делает это, быстрее и без перерывов. Лагерь 2: Мыслитель. Эти люди сначала спрашивают: зачем нам вообще это число? Что происходит с результатом? Какие есть сценарии? Какой вопрос мы упускаем? Эта роль становится ценнее — не меньше.Вы должны задать себе честный вопрос: моя работа интеллектуальна или квазиинтеллектуальна? Если реальная интеллектуальная составляющая была низкой — тогда всё плохо.
Простой самоанализ: Что вы на самом деле делаете весь день?
Практичный инструмент так же прост, как и неудобен: Потратьте одну-две недели, чтобы записывать, что вы делаете ежедневно. Общаетесь с бизнесом? Пишете код? Думаете? Проектируете системы? Проводите совещания? Затем спросите себя по каждому пункту: разве ИИ уже не делает это довольно прилично? Найдите свое узкое место. Что мешает вам стать быстрее? До сих пор для многих узким местом было написание кода. Сегодня это решается с помощью ИИ — вы перестаете застревать там. Но затем возникает серьезный вопрос: что остается? Если кода больше нет, что вы будете делать? Если у вас нет честного ответа на этот вопрос — вы теперь знаете, над чем нужно работать.Ситуация по карьерным ступеням: без прикрас
Начинающие специалисты: честные слова
Я рад, что у меня нет детей в возрасте от 18 до 20 лет, которым сейчас приходится начинать карьеру. У меня нет для них ответа.
В крупных организациях, работающих с большими данными, сегодня практически не набирают классических младших специалистов. Если и берут стажеров, то только тех, кто обладает уровнем, который раньше ожидался от специалистов среднего звена.
Примерно один из ста стажеров соответствует этому новому уровню. Этого одного человека засыпают предложениями. Остальные девяносто девять не могут найти работу.
Чем отличается этот один человек? Он умеет проектировать систему. Он реализовал собственные проекты. Он построил что-то, что работает.
Что мешает кому-либо создать, например, веб-сервис, привлечь несколько сотен пользователей и работать с ними? Ничего. Но из тысячи человек, которые это понимают, так делают десять-двадцать.
Речь идет о том, что называется внутренней инициативой. По иронии судьбы, в эпоху ИИ-агентов компании ищут людей с внутренней инициативой. С драйвом. Со способностью что-то предпринять самостоятельно, без указания «сделай это».
Это не навык, которому можно научиться, — это черта характера. И результатом является жесткое разделение: одна небольшая группа засыпана предложениями, а большая масса ничего не находит.
Средний уровень: Вероятно, пострадал сильнее всего
Эти люди думали, что они справились. Они внутри. Они утвердились. И теперь тяжелый сапог ИИ давит им на пальцы.
Специалисты среднего звена сталкиваются с самой неприятной задачей: честно проанализировать собственную работу. На что вы действительно тратите время? Что из этого ценно?
Вот малоизвестное явление из крупных технологических концернов: многие инженеры не понимают, что действительно важно. Но они знают, что их оценивают. Что же они делают? Рационально рассмотренная лучшая стратегия: делать как можно больше. Принцип лотереи — производить много в надежде, что что-то ценное получится.
Это приводит к выгоранию. И это не приводит к лучшим результатам.
Выход: честный самоанализ. Зачем я это сделал? Было ли это ценно? Что действительно имеет значение? Кто меня тормозит?
Это трудно. Не у всех получается. Те, у кого получается, получают вознаграждение. Здесь поможет наставник или внешний консультант — в другом человеке проблемы видны легче, чем в себе.
Старший уровень: Жизнь становится лучше
Настоящие старшие специалисты — те, кто всегда был автономными единицами, ответственными за систему или процесс — сегодня живут легче, а не тяжелее. Раньше старшие специалисты передавали задачи младшим и специалистам среднего уровня — разбивая их на мелкие кусочки, почти как агентам. Сегодня эти задачи могут выполнять ИИ-агенты. Жизнь старшего специалиста стала легче. То, что раньше было невозможно — например, протестировать одну двадцатую часть всех гипотез — сегодня возможно сделать с одной пятой. Это значительный скачок. Но будьте осторожны: ошибочно полагать, что старший специалист благодаря этому будет работать в три раза продуктивнее. Главным препятствием для старшего специалиста является не его пропускная способность, а внутренняя бюрократия и абсурдность крупных корпоративных процессов. ИИ ничего в этом не меняет.Руководители: Новый, неудобный вопрос
Задача менеджеров не изменилась — они отвечают за результаты. Но встает новый вопрос: Если я могу выполнить все, что от меня требуется, за 15 часов в неделю — почему я должен бесплатно работать еще 25 часов?Я работаю 15 часов в неделю. Остальные 25 часов фактически бесплатно. Потому что все, что от меня ожидалось, было сделано за первые 15 часов. Некоторые люди говорят: Нет, спасибо, мне этого достаточно.
Из этого неизбежно следует: системы оценки производительности необходимо пересмотреть. Старая модель – «все получают плюс-минус одно и то же» – больше не работает.
Высокопроизводительные сотрудники должны получать ощутимое вознаграждение. Крупные компании уже реагируют: бонусы до 300 процентов от зарплаты для лучших сотрудников. Значительно увеличенные пакеты акций.
А среднее звено менеджмента будет сильно сокращено. Если каждый старший сотрудник – это высокопродуктивная автономная единица с помощниками, зачем тогда столько менеджеров? Некоторые компании уже внедряют «гига-менеджеров»: вместо 5 прямых подчиненных теперь 10 или 15. Еженедельных индивидуальных встреч больше не будет.
Что спрашивают — и что становится товаром
Вот четкое разделение:- Товар (все могут это): Писать код. Все еще необходимо, но уже не является отличительной чертой.
- Критически (немногие могут это): Проектируйте системы. Понимайте компромиссы. Держите в голове всю архитектуру. Четко формулируйте мысли.
«Технологии не решают. Сегодня одни, завтра другие. Важно уметь решать проблемы. Создайте какой-нибудь веб-сервис. Привлеките 100 пользователей. Поработайте с ним. Необходимые технологии вы освоите попутно.»
Но одно является обязательным: любой веб-интерфейс LLM (чат-интерфейс) — это стандарт. И среда разработки на основе агентов (сегодня доступно множество инструментов) — это то, что вы должны освоить сейчас. Это не опция.
Где сейчас действительно зарабатываются деньги — классический ML или GenAI?
Важным выводом, который часто теряется в общественной дискуссии, является:Подавляющая часть денег по-прежнему зарабатывается за счет классического машинного обучения. Вся экономика ИИ-агентов основана на одной идее: мы повышаем производительность. Что такое повышение производительности? Это способность делать то же самое меньшим количеством людей. Вся экономика GenAI основана на том, что мы всех вас увольняем.
Конкретная история успеха: крупный европейский финтех-сервис перевел три четверти своего клиентского обслуживания на ИИ. И поддержка действительно работает на хорошем уровне — большинству клиентов больше не нужен сотрудник-человек.
Но это клиентская поддержка — а не революция, меняющая мир, которую ожидает рынок.
Прогноз: через 3–5 лет агенты заменят десять миллионов рабочих мест в бэк-офисах крупных компаний — особенно в Индии, Малайзии и подобных хабах. Но окупаемость инвестиций в интеграцию ИИ в компании сегодня практически нулевая, и не появится она и в следующем году.
Как подготовиться — три шага к следующей работе
В крупных организациях, работающих с большими данными, процесс найма на старшие позиции сегодня обычно выглядит следующим образом:- Код-интервью. Два формата. Либо кандидат получает код на проверку: «Что хорошо, что плохо, что бы вы изменили?» Или блок кода с задачей внедрить ML-алгоритм. Google и даже LLM для поддержки разрешены — но не для полного написания. Наблюдают, как кандидат подходит к решению проблем.
- Проектирование систем. Также два формата. «Greenfield» — спроектируйте систему с нуля. «Brownfield» — расскажите о системе, которую вы построили, и как бы вы ее изменили сегодня.
- Поведенческий. Как вы ведете себя в определенных ситуациях? Как вы рассказываете о своем опыте?
Как вы сегодня выделяетесь
Есть отрезвляющее осознание: чтобы попасть в высшие пять процентов, не нужно быть гением. Инструкция банальна: анализируйте. Смотрите, как действуют успешные люди. При необходимости спросите консультанта или наставника. Адаптируйтесь. Применяйте. Повторяйте.Удивительно, но многие люди сознательно делают всё, чтобы не становиться лучше. Даже после этого объяснения, 5 из 100 что-то сделают. А будь их 20 — конкуренция будет в четыре раза жестче.
Конкретнее это означает — выделиться на рынке можно благодаря:
- Соревнования по науке о данных на высшем уровне
- Олимпиаден
- Осмысленные вклады в проекты с открытым исходным кодом
- Публикации, доклады
- Собственные проекты с реальными пользователями
Вы бы начали карьеру сегодня?
Этот вопрос, заданный опытному директору по данным, вызвал удивительно честный ответ:Я не уверен, что сегодня стал бы заниматься наукой о данных, честно говоря. Это красный океан. Это смерть.
Что тогда было иначе? Тогда было легко начать, много денег, значительно лучше, чем работа, которую он выполнял раньше. Сегодня условия другие.
И куда бы он вместо этого пошел? Честный ответ: он не знает. «Классическая проблема человека в начале карьеры».
Какое поле данных самое безопасное?
Анализ сценариев и принятие рисков. ИИ не снимает с себя ответственность за риски.
Риск — это ответственность. А ответственность должен нести человек, а не машина.
Кто принимает решение о выдаче кредита? О выплате страховки? Об одобрении лекарства? О совершении инвестиции? Кто несет юридические, этические, личные последствия, если решение оказалось неверным?
На эти вопросы не отвечают машины. И машины не будут на них отвечать.
Вывод: Речь идет о новом мышлении, а не о новых инструментах
Ключевые выводы наблюдений за рынком:- ИИ не заменяет специалиста по данным. Он заменяет переводчика между бизнесом и кодом. Тот, кто делает больше, чем это, как никогда уверен в себе.
- Инструменты вторичны. Библиотека, фреймворк — почти неважно. Важно: распознавать проблемы, проектировать системы, понимать компромиссы, задавать правильные вопросы.
- Самый важный шаг сегодня: честный самоанализ. Что я действительно делаю? Что из этого имеет интеллектуальную ценность? В чем моя узкое место?
- И что-то построить. Не говорить, не планировать — строить. Веб-сервис. Небольшой инструмент. Анализ данных с реальными последствиями.
Deutsch 
Deutsch (Österreich) 
Deutsch (Schweiz) 
English (Australia) 
English (Canada) 
English 
English (UK) 
हिन्दी 
العربية 
Türkçe 
Русский