ИИ и рынок труда: как меняется рабочий день, пока название должности остаётся прежним

Четыре перехода, которые нельзя склеить

Сначала технология должна выполнить нужную операцию. Затем компания должна встроить её в процесс: предоставить данные, определить права, научить сотрудников. После этого проверяется полезность по времени, качеству и стоимости. И только затем возникают решения о загрузке и составе команды.

На каждом переходе есть собственные ограничения. Удачный черновик может не попасть в работу из-за закрытых данных. Удобный инструмент может требовать слишком долгой проверки. Экономия времени может уйти на обслуживание выросшего спроса. Это возможные сценарии, а не утверждение, что так происходит в любой компании.

Поэтому новость «модель справилась с задачей» недостаточна для вывода о занятости. В ней ещё нет информации об остальных переходах. Технологическая демонстрация похожа на красивый автомобиль на выставке: до регулярного маршрута нужны дороги, обслуживание и человек, который решит, куда ехать.

Что показывает исследование профессий

ILO и NASK в работе 2025 года оценивают подверженность профессий воздействию генеративного ИИ через задачи. Авторы рассматривают трансформацию работы как более вероятный общий результат, чем её полную замену. Это оценка потенциала, а не гарантия сохранения каждой должности. Источник: ILO.

Для российской команды нельзя механически использовать глобальный результат как точный прогноз. Нужны сведения о составе операций, доступных инструментах и решениях конкретной организации. Схожие названия должностей иногда скрывают разную работу: один менеджер переносит данные, другой разбирает исключения и согласует конфликтующие интересы.

Карта недели вместо списка обречённых

Возьмите несколько обычных рабочих дней и выпишите повторяющиеся операции. Для каждой укажите входные данные, результат, получателя и признак готовности. Затем добавьте, насколько легко обнаружить ошибку и кто отвечает за последствия.

Разделите подготовку и принятие решения. Например, собрать сводку обращений и определить, кому менять условия обслуживания, — разные задачи. Если записать их одной строкой «аналитика клиентов», оценка автоматизации получится слишком грубой.

Освободившееся время не распределяется само

В одном сценарии команда обслуживает больше запросов. В другом сокращает очередь. В третьем повышает требования к результату или меняет численность. Технология не определяет этот выбор единолично: его делают люди в рамках спроса и экономики организации.

Поэтому вопрос сотрудника должен звучать конкретно: какие операции меняются, как будет оцениваться качество, кто проверяет ошибки и что предполагается делать с дополнительной мощностью? Это полезнее спора о том, станет ли профессия бессмертной после очередного обновления.

Если руководитель ожидает прежний объём быстрее, обсудите полный цикл: подготовку исходников, исправления, согласование и поддержку инструмента. Время, исчезнувшее из одной задачи, может появиться в другой. Его важно увидеть до назначения новых нормативов, а не после накопления усталости.

Навык, который можно показать

Вместо общей строчки «владею ИИ» соберите небольшой рабочий пример. Покажите исходную задачу, разрешённые данные, способ подготовки, критерий проверки и ограничения. Не преувеличивайте эффект: если измерений мало, так и напишите.

Ценность такого примера в понятности процесса. Коллега может повторить его и увидеть, где требуется ваше решение. Это также помогает обнаружить, что вам действительно нужно изучить: структуру данных, проверку текста, работу с исключениями или предметную область, а не ещё одну коллекцию красивых запросов.

Не отдавайте помощнику все простые операции без плана обучения начинающих. Если человек раньше осваивал предмет через подготовку черновиков, нужно сохранить возможность разбирать ошибки и понимать основания решений. Это редакционное предложение по устройству работы, не вывод о неизбежном исчезновении начальных позиций.