ИИ заменит не всех, но многих: какие специальности окажутся в зоне риска

Искусственный интеллект уже влияет на рынок труда, структуру компаний и требования к сотрудникам. Бизнес пересматривает состав команд, автоматизирует повторяющиеся задачи и ожидает от специалистов большей производительности.

Однако утверждение, что ИИ в ближайшее время полностью заменит программистов, аналитиков, дизайнеров или менеджеров, слишком упрощает происходящее. С одними задачами модели справляются почти самостоятельно, в других требуют постоянной проверки, а в критичных процессах пока не могут работать без контроля человека.

Главный риск возникает не у конкретной профессии, а у специалистов, чья работа состоит из типовых, формализованных и легко проверяемых операций. Чем проще описать задачу, ожидаемый результат и критерии приёмки, тем легче передать значительную часть работы искусственному интеллекту.

ИИ не обязательно заменит специалиста напрямую. Но специалист, использующий ИИ, сможет выполнять больший объём работы и постепенно вытеснит того, кто продолжает работать прежними методами.

ИИ автоматизирует задачи, а не профессии

Профессия обычно состоит из набора разных функций. Часть из них можно автоматизировать, часть — ускорить, а часть по-прежнему требует опыта, ответственности и понимания контекста.

Например, работа разработчика включает не только написание кода. Необходимо выяснить требования, выбрать архитектуру, оценить ограничения инфраструктуры, обеспечить безопасность, провести интеграцию, проверить результат и сопровождать продукт после запуска.

Генеративная модель может написать отдельный модуль, создать тесты, подготовить документацию или предложить вариант архитектуры. Но она не всегда понимает, почему в конкретной организации действует определённое ограничение, какие последствия вызовет изменение смежной системы и какие риски бизнес готов принять.

Поэтому, оценивая влияние ИИ на профессии и рынок труда, корректнее говорить не об исчезновении специальностей, а об изменении содержания работы. Одни операции будут переданы ИИ, другие станут выполняться быстрее, а ценность функций, требующих самостоятельных решений, возрастёт.

Как меняется потребность в сотрудниках

Сотрудник, который раньше тратил большую часть дня на подготовку типовых документов, обработку данных или написание шаблонного кода, сможет выполнять тот же объём за несколько часов.

Для бизнеса это означает рост производительности. Для специалиста — повышение требований. Компания может решить, что прежний объём работы больше не требует нескольких штатных единиц.

При этом автоматизация редко происходит по принципу «был человек — появилась программа — человек больше не нужен». Обычно сначала меняются отдельные операции, затем перераспределяется нагрузка и только после этого пересматривается состав команды.

Под риском не только начинающие специалисты

На первом этапе распространения генеративного ИИ считалось, что технология затронет преимущественно младших разработчиков, тестировщиков, технических писателей и операторов первой линии поддержки.

Сегодня зона применения искусственного интеллекта значительно шире. Модели умеют создавать программные компоненты, анализировать код, находить типовые ошибки, готовить SQL-запросы, описывать API, собирать прототипы интерфейсов и выполнять отдельные DevOps-задачи.

Некоторые инструменты способны работать сразу с базой данных, серверной частью, интерфейсом и инфраструктурными настройками проекта. Это не делает ИИ полноценной заменой опытному разработчику или архитектору, но сокращает количество ручной работы.

Часть задач, для которых раньше требовался специалист среднего уровня, теперь может выполнить младший сотрудник при поддержке модели и контроле старшего коллеги.

Кто находится в зоне повышенного риска

• разработчики, которые преимущественно создают типовые компоненты;
• тестировщики, работающие только по заранее подготовленным сценариям;
• аналитики, ограничивающиеся сбором данных и составлением стандартных отчётов;
• технические писатели, готовящие документацию по шаблонам;
• дизайнеры, создающие типовые страницы и рекламные макеты;
• специалисты поддержки, отвечающие на повторяющиеся вопросы;
• контент-менеджеры, выполняющие механическую подготовку и размещение материалов;
• сотрудники, чья работа легко раскладывается на последовательность формализованных действий.

Должность сама по себе не определяет уровень риска. Один аналитик может только переносить цифры в отчёт, а другой — находить причины отклонений, проверять гипотезы и участвовать в принятии управленческих решений.

Формально они относятся к одной профессии, но возможности их замены принципиально различаются.

Чем больше в работе повторяемых операций и чем меньше самостоятельных решений, тем выше вероятность, что потребность в таком объёме ручного труда будет сокращаться.

Почему малый бизнес внедряет ИИ быстрее

Скорость автоматизации зависит не только от возможностей технологии, но и от требований организации к результату.

В малом и среднем бизнесе обычно меньше сложных интеграций, внутренних регламентов и обязательных процедур контроля. Для запуска проекта часто достаточно, чтобы решение выполняло основную функцию, не требовало значительных затрат и могло быстро выйти на рынок.

В таких условиях один специалист с набором ИИ-инструментов действительно может взять на себя работу, которую раньше выполняла небольшая команда. Он способен подготовить прототип, написать значительную часть кода, создать интерфейс, настроить развёртывание и сформировать документацию.

Если прототип не подтвердил гипотезу, проект можно закрыть без критичных последствий для основной деятельности. Поэтому внедрение ИИ в малом бизнесе позволяет сократить стоимость разработки и проверить больше гипотез за тот же бюджет.

В чём риск ускоренной разработки

Быстро созданный продукт может содержать архитектурные недостатки, уязвимости, некорректную обработку данных и зависимость от конкретного сервиса или разработчика.

Пока система небольшая, эти проблемы могут оставаться незаметными. По мере роста проекта технический долг начинает ограничивать развитие и повышать стоимость изменений.

Поэтому возможность быстро создать продукт не отменяет необходимости проверить архитектуру, качество кода, механизмы аутентификации, разграничение доступа и обработку данных. Перед выводом решения в эксплуатацию может потребоваться тестирование на проникновение и анализ уязвимостей.

Почему крупный бизнес не может просто заменить команды ИИ

В крупных организациях действуют другие требования. Информационные системы связаны между собой, работают с критичными данными и обслуживают большое количество пользователей.

Ошибка может остановить бизнес-процесс, привести к финансовым потерям, утечке информации или нарушению требований регуляторов.

Изменение корпоративной системы обычно проходит несколько этапов:

• сбор и согласование требований;
• проектирование архитектуры;
• оценка рисков;
• разработка;
• функциональное и нагрузочное тестирование;
• анализ защищённости;
• согласование с заинтересованными подразделениями;
• подготовка к промышленной эксплуатации;
• контролируемый выпуск;
• последующий мониторинг и сопровождение.

ИИ может ускорить многие из этих операций, но пока не способен самостоятельно отвечать за весь процесс. Модель может создать работоспособный код и одновременно заложить уязвимость, нарушить внутренний стандарт или предложить решение, которое невозможно безопасно интегрировать в существующую инфраструктуру.

Особенно осторожно ИИ применяется в финансовых организациях, промышленности, государственных информационных системах и на объектах критической информационной инфраструктуры.

Здесь недостаточно получить формально правильный результат. Необходимо подтвердить его безопасность, воспроизводимость и соответствие установленным требованиям.

Что меняется на практике

В крупном бизнесе ИИ скорее сокращает время выполнения отдельных этапов, чем полностью устраняет команды. Проект, который раньше занимал десять месяцев, может быть выполнен за восемь. Однако ответственность за архитектуру, безопасность и ввод в эксплуатацию по-прежнему остаётся за людьми.

Одновременно повышается значение аудита ИТ-процессов. Организации необходимо понимать, где применение ИИ действительно ускоряет работу, а где создаёт дополнительные риски, затраты на проверку и зависимость от поставщика.

ИИ нередко становится объяснением уже запланированных сокращений

Крупные технологические компании регулярно связывают сокращение персонала с развитием искусственного интеллекта. Но прямая причинно-следственная связь существует не всегда.

В период быстрого роста многие компании существенно увеличили штат. Создавались команды под отдельные продукты, функции и гипотезы. Некоторые сотрудники отвечали за узкие участки работы, а их полная загрузка зависела от постоянного расширения бизнеса.

Когда темпы роста снизились, часть таких функций потеряла прежнюю значимость. Компании в любом случае должны были пересмотреть структуру расходов и состав команд. ИИ стал одновременно инструментом повышения производительности и удобным объяснением оптимизации.

Сокращение штата может происходить сразу по нескольким причинам:

• завершился период избыточного найма;
• закрылось отдельное направление;
• снизился спрос на продукт;
• функции нескольких подразделений объединили;
• типовые операции автоматизировали;
• выросла производительность оставшихся сотрудников;
• компания перераспределила бюджет в пользу инфраструктуры и новых продуктов.

Поэтому не каждое сокращение, объявленное на фоне инвестиций в ИИ, означает, что работу у людей непосредственно забрала нейросеть.

Почему бизнес инвестирует в инфраструктуру

Расходы на сотрудников и инвестиции в вычислительную инфраструктуру по-разному отражаются на развитии компании.

Штат требует постоянного финансирования: заработной платы, налогов, рабочих мест, программного обеспечения, управления и обучения. При изменении стратегии часть специалистов может оказаться недостаточно загруженной.

Дата-центры, серверное оборудование и программные платформы остаются активами. Их можно использовать для