Как понять, какие работы автоматизирует ИИ: смотрим на задачи, а не на профессию

Когда выходит очередной рейтинг «какие профессии заменит ИИ», он почти всегда слишком грубый. Профессия не исчезает и не усиливается целиком. Она состоит из задач, а задачи связаны между собой. Поэтому один и тот же процент AI-экспозиции может означать разные вещи: где-то человек станет ценнее, а где-то работа действительно окажется под угрозой.

Полезнее смотреть не на название профессии, а на структуру работы. Сколько в ней самостоятельных задач? Можно ли автоматизировать одну задачу без разрушения результата? Станет ли продукт дешевле настолько, что спрос вырастет? И есть ли у компании стимул инвестировать именно в замену этой роли, а не в усиление человека?

Что здесь меняется

В статье Alex Imas и Soumitra Shukla How Will AI-driven Automation Actually Affect Jobs? разбирается идея размерности работы: если работа состоит из малого числа ключевых задач, автоматизация одной из них опаснее. Если работа состоит из многих связанных задач, автоматизация части может освободить время на остальные и поднять ценность человека. В основе рассуждения — логика O-ring модели, примененная к автоматизации.

Как это переводится в рабочий прием

Для читателя это становится практическим инструментом. Если вы оцениваете свою роль или роль сотрудника, не спрашивайте «заменит ли меня ИИ». Разложите работу на задачи и посмотрите, какие из них комплементарны: плохое выполнение одной ломает весь результат. Там, где таких связей много, ИИ часто становится усилителем. Там, где работа держится на одной узкой операции, риск выше.

Как собрать навык

Что решить	Как думать	Что проверить
Сколько задач в работе?	чем меньше ключевых задач, тем выше риск полной замены	можно ли роль описать одной операцией
Задачи связаны?	если качество одной влияет на все остальные, человек может стать ценнее	где нужна координация и суждение
Спрос эластичен?	если продукт дешевеет и спрос растет, занятость может не падать	готов ли рынок купить больше результата
Есть стимул заменить роль?	компания автоматизирует там, где выгода окупает внедрение	что экономится: задача или вся позиция

Рабочий прием: сделать карту размерности работы. Выписать все задачи роли, отметить, какие уже может делать ИИ, какие остаются за человеком, какие связаны между собой и где появляется новый спрос. После этого риск становится предметным, а не тревожным.

1. 1
   Шаг 1

   Когда использовать: при оценке профессии, отдела, найма или личной траектории.

2. 2
   Шаг 2

   Что подать на вход: список задач роли и реальные примеры результата.

3. 3
   Шаг 3

   Что сделать по шагам: разделить задачи, отметить связность, качество автоматизации, спрос и стимул компании.

4. 4
   Шаг 4

   Какой результат получить: карту риска и усиления, а не общий страх перед ИИ.

5. 5
   Шаг 5

   Как проверить качество: сравнить карту с реальными процессами и затратами внедрения.

6. 6
   Шаг 6

   Когда не использовать: если нет понимания, из каких задач состоит работа.

7. 7
   Шаг 7

   Какой навык собрать: анализ роли через задачи, спрос и стимулы автоматизации.

Где граница

Такая карта не предсказывает будущее точно. Она помогает думать лучше. Регуляция, профсоюзы, рынок труда, культура компании и качество моделей могут поменять результат. Но это все равно точнее, чем смотреть на один процент AI-экспозиции.

Rich block render error: mapping values are not allowed here
  in "<unicode string>", line 2, column 87:
     ... ессия превращается в карту задач: что усиливается, что дешевеет, ... 
                                         ^

label: Редакционный вывод
body: ИИ-автоматизация становится понятнее, когда профессия превращается в карту задач: что усиливается, что дешевеет, что остается за человеком и где компании выгодно заменить роль целиком.

Что сделать сегодня

Возьмите одну роль и выпишите 10 задач. Отметьте: автоматизируется, усиливается, остается человеку, требует суждения. После этого станет видно, где нужен навык ИИ, а где действительно меняется рынок труда.

Как собрать ИИ-нейтив командуКак выбрать усилие для ИИ-задачи

Источники

1. Alex Imas and Soumitra Shukla: How Will AI-driven Automation Actually Affect Jobs?
2. NBER: O-Ring Automation
3. arXiv: GPTs are GPTs
4. ONFF: ИИ-нейтив команда

Теги

• ИИ-инструменты
• ИИ-агенты
• Рабочие процессы
• Практика