Работа

AI не заменяет людей. Он меняет содержание работы.

Большинство споров об AI и занятости оперируют не той единицей. Автоматизируются не профессии, а задачи — а работа есть набор задач, который можно пересобрать, и название должности при этом не изменится. Дальше — механика этой пересборки, с обеих сторон трудового договора.

Замена — неверная единица измерения

Профессия — это набор задач, скреплённый названием должности. Бухгалтер сверяет регистры, объясняет цифру директору, решает, что делать, когда документы расходятся с реальностью, и подписывает то, за что предусмотрен штраф, если это неверно. Автоматизация приходит не на уровень этого набора. Она приходит на уровень отдельной задачи.

Поэтому честный вопрос никогда не в том, заменит ли AI бухгалтера. Он в том, какую из этих четырёх вещей AI забирает, что это делает с ценностью остального и сколько людей требует новый набор. Различие работает в обе стороны: должность может сохраниться как название, потеряв большую часть того, за что хорошо платили, — и должность может стать ценнее, потому что рутинная половина ушла.

Что AI забирает первым

Задачи, которые уходят раньше других, устроены одинаково — независимо от отрасли и уровня.

• Они повторяются. Одна и та же операция на разных входных данных, много раз. Именно повторяемость окупает вложение и именно она позволила задачу описать.
• У них есть проверяемо правильный ответ. Извлечь дату из договора, отнести обращение к категории, превратить спецификацию в рутинный код. Результат можно проверить.
• В них объём, который никому не в радость. Прочитать четыреста документов, чтобы найти шесть значимых, или сделать черновик, который всё равно перепишут.
• Они замкнуты. Всё необходимое содержится внутри задачи: не нужно идти к соседнему отделу и выяснять, что клиент имел в виду на самом деле.

Обратите внимание, чего в этом списке нет: сложности. Составить грамотный пункт договора трудно — LLM делает это за секунды. Разобраться с клиентом, который зол по причинам, к договору отношения не имеющим, нетрудно — и этого не делает ни одна модель.

Что не переходит к машине

Ответственность не передаётся. Когда у решения есть финансовые, юридические или репутационные последствия, кто-то должен ими владеть. Система может выдать рекомендацию, но не может быть стороной, которая за неё отвечает. Это не ограничение технологии, это и есть смысл слова «ответственность».

Суждение при неполных данных переходит плохо. Модели сильны, когда входные данные есть, и слабы, когда решающее — то, чего никто не записал: что поставщик тихо идёт ко дну, что срок продиктован политикой, что в задании написано не то, чего человек хочет на самом деле. Значительная часть работы старших специалистов — это обращение с тем, чего в деле нет.

Переговоры и работа с людьми остаются, потому что их содержание — не передача информации. Свести два отдела к согласию, провести клиента через плохой квартал, сказать «нет»: здесь весь смысл в том, что напротив человек. Остаётся и постановка задачи. Системы отвечают на вопросы, а решение, на какой вопрос стоит отвечать, находится выше любого инструмента.

Что происходит с должностью, когда половина её автоматизирована

Обычный исход — не исчезновение, а смещение вверх. Когда производящую часть работы берёт машина, человеческая часть смещается к тому, чтобы задать, что должно получиться, проверить, что получилось, и нести последствия. Переводчик становится редактором и гарантом смысла. Аналитик меньше времени собирает отчёт и больше решает, что этот отчёт должен измерять и выдерживают ли цифры проверку.

Отсюда два следствия. Новому набору нужно меньше людей на тот же объём: один человек, проверяющий результат, покрывает больше, чем один его производящий. И он требует больше опыта от каждого, убирая при этом простые задачи, на которых этот опыт раньше набирался. Компании, игнорирующие второе, обнаруживают это через несколько лет — повышать становится некого.

Должности, которых раньше не было

Вокруг автоматизированных систем появляется новая работа, и ничего экзотического в ней нет.

• Люди, которые описывают процессы достаточно точно, чтобы их можно было автоматизировать. Большинство процессов существует только как привычка. Превратить привычку в явную последовательность с определёнными входными данными, краевыми случаями и исключениями — аналитическая работа, и именно она узкое место почти любого проекта автоматизации.
• Люди, которые отвечают за качество того, что выдаёт система. Кто-то должен определить, как выглядит хороший ответ, построить проверки и заметить, когда точность начинает падать.
• Люди, которые задают границы. Что система решает сама, что требует подписи человека, к каким данным она допущена, в чём обязана отказать. Это лежит между юристами, рисками и инженерией и становится должностью, а не абзацем в регламенте.

Ни одна из них не про модели. Все они про процесс, доказательства и границы — поэтому их обычно занимают те, кто сначала разобрался в бизнесе.

Что это значит для специалиста

Навык перестаёт быть дефицитным, когда машина поставляет его дёшево. В этом весь механизм, и он касается навыков, которые надёжно ценились годами: выдавать чистый стандартный результат, помнить, как что делается, писать рутинную версию документа.

Дефицитным становится обратное. Сформулировать задачу настолько точно, чтобы система или команда могли по ней работать. Отличить в своей области верный ответ от правдоподобного — для этого нужно знание предмета, а не знание инструмента. Поставить своё имя под решением. Быть убедительным с людьми, которые не обязаны с вами соглашаться. Практический ход — не собирать инструменты про запас, инструменты меняются. Практический ход — двигаться в ту часть работы, где вы решаете и отвечаете, отдав автоматизации ту, где вы набираете текст.

Что это значит для компании

Рефлекс — считать автоматизацию вопросом численности, и компании, начинающие с сокращений, обычно теряют дважды. Первая потеря — мощность: убирать людей в момент, когда выработка на человека растёт, значит забрать экономию и отказаться от роста. Тот же объём меньшей командой — один вариант; больший объём той же командой обычно стоит дороже, и вместе с командой этот вариант исчезает.

Вторая потеря — знание. Описать, как работа происходит на самом деле, могут те, кто её делает. Сократите их до того, как процессы описаны, — и у программы автоматизации не останется надёжного источника требований.

Что чаще даёт результат: выбрать несколько процессов с реальным объёмом и терпимой ценой ошибки, держать поимённо ответственного за каждое автоматизированное решение, освободившиеся часы направить в работу, до которой раньше не доходили руки, и мерить результат бизнес-показателем, а не долей пользователей. Перераспределение — более трудная управленческая задача, поэтому её пропускают, и именно в ней отдача.

Где рабочие места действительно исчезают

Честность к механизму требует честности к его краю. Там, где должность почти целиком состоит из автоматизируемых задач — замкнутых, объёмных, с известным правильным ответом и малой долей суждения, — она действительно сжимается. Обычно не до нуля, а до меньшего числа людей, которые контролируют вместо того, чтобы производить. Начальная обработка документов, первая линия поддержки на типовых вопросах, базовый контент и код в больших объёмах: эти наборы редеют, и убеждать занятых в них людей в обратном — не доброта.

То, что делают с этим серьёзные компании, выглядит невыигрышно. Они называют, какие должности меняются и на каком горизонте, вместо того чтобы люди догадывались сами. Они переводят людей в контроль и разбор исключений, которые создаёт та же автоматизация, переучивают до изменения, а не после, и заново строят вход в профессию, чтобы суждение набиралось без тех простых задач, на которых оно набиралось раньше.

Форма изменения

AI не убирает людей из работы, у которой есть последствия. Он убирает механические части этой работы и смещает человеческий вклад к постановке, проверке и ответственности, поднимая планку для каждого и снижая число людей, нужных на фиксированный объём. Ни катастрофа, ни пустяк: перераспределение, которое вознаграждает специалистов, идущих в сторону суждения, и компании, которые вкладывают освободившуюся мощность, а не кладут её в карман.

AKVANT Technologies — компания AI-консалтинга и разработки. Мы находим, где AI окупается, — и строим только там.