Евгений Волков – Когда машина отвечает (страница 20)
Старая лестница была далеко не справедливой.
Вход в престижную профессию часто зависел от неоплачиваемой стажировки, дорогого образования, жизни в правильном городе, знакомства с нужными людьми, способности несколько лет выдерживать низкую стартовую зарплату. «Заплати временем, прежде чем получишь интересную работу» — тоже форма барьера.
Если ИИ действительно позволяет человеку быстрее достигать приемлемого уровня качества, это способно открыть профессиональную дверь тем, кто раньше не мог позволить себе длинный период ученичества.
Самоучка может быстрее писать работающий код.
Маленькая фирма — выполнять анализ, доступный раньше большим командам.
Человек, для которого язык не родной, — увереннее работать с текстом.
Молодой специалист в регионе без сильной профессиональной школы — получать обратную связь, которая раньше требовала хорошего наставника рядом.
Поэтому вопрос не в том, должна ли лестница остаться прежней.
Возможно, некоторые её ступени действительно были просто воротами, охранявшими статус профессии.
Нужно отличить ступень, которая формирует компетентность, от ступени, которая лишь заставляет человека ждать.
ИИ способен разрушать обе.
Первое опасно.
Второе может быть освобождением.
Что мы уже знаем
К августу 2026 года можно достаточно уверенно сказать несколько вещей, не превращая их в прогноз.
Во-первых, генеративные системы уже используются в задачах, традиционно выполнявшихся начинающими специалистами: черновое письмо, поиск, перевод, расшифровка, обработка информации, кодирование, анализ документов.
Во-вторых, влияние на работников неоднородно. В некоторых полевых исследованиях менее опытные получают от помощника значительно больший прирост производительности, чем эксперты.
В-третьих, хороший результат с системой не гарантирует независимого приобретения навыка. Экзоскелет может расширять способность выполнять работу, не создавая эквивалентного знания без него.
В-четвёртых, в американских административных данных уже наблюдается специфический негативный паттерн занятости у молодых работников в наиболее AI-exposed профессиях, причём прежде всего через найм. Но причинная доля ИИ остаётся неопределённой.
В-пятых, профессиональные отрасли сами начинают замечать проблему pipeline. Опросы юридических специалистов говорят одновременно о сокращении ожидаемого числа junior roles и о сохраняющейся зависимости будущего суждения от наставничества.
Из этого пока нельзя вывести один неизбежный сценарий.
Можно вывести конфликт.
ИИ делает новичка одновременно более сильным и потенциально менее необходимым.
Чего мы пока не знаем
Мы не знаем, насколько наблюдаемый разрыв молодых работников в США окажется устойчивым и повторится ли он в других странах.
Не знаем, будут ли компании уменьшать общий junior intake или просто повышать требования к тем, кого нанимают.
Не знаем, сможет ли AI-наставничество воспроизводить не только лучшие формулировки экспертов, но и развитие профессионального суждения.
Не знаем, какой объём самостоятельной практики нужен человеку, чтобы научиться надёжно проверять машинный результат.
Не знаем, появятся ли новые entry-level задачи вокруг проверки данных, управления инструментами, оценки качества и работы с клиентом — и будут ли их достаточно много.
Не знаем, как изменятся университеты и профессиональная сертификация, если работодатели перестанут выполнять прежнюю долю обучения на рабочем месте.
И главное: мы пока не знаем, станет ли ИИ машиной, которая демократизирует ученичество, или машиной, которая позволяет фирмам пользоваться плодами опыта, инвестируя меньше в его выращивание.
Скорее всего, ответ будет разным в разных организациях.
Потому что технология здесь не определяет результат сама.
Результат определяет то, что компания делает с выигранным временем и сэкономленными деньгами.
Если она использует ИИ, чтобы нанять меньше новичков и загрузить оставшихся выпуском большего объёма, лестница действительно становится уже.
Если она использует ИИ, чтобы давать новичку более сложные задачи раньше, больше обратной связи и безопасное пространство для ошибок, лестница может стать короче и лучше.
Один и тот же инструмент способен поддерживать обе модели.
Поэтому судьба начинающего специалиста — не побочный вопрос рынка труда.
Это тест того, умеем ли мы отличать производительность от воспроизводства компетентности.
Компания может прекрасно оптимизировать сегодняшний процесс и одновременно разрушать механизм, который создаёт людей, способных управлять этим процессом завтра.
И тогда главный вопрос звучит не так: «Заберёт ли ИИ первую работу?»
Он сложнее:
если машина возьмёт на себя работу, на которой человек раньше учился становиться экспертом, — кто и каким способом будет выращивать следующего эксперта?
Примечания к главе 5
1. Brynjolfsson, E., Chandar, B., Chen, R. Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab, revised 12 August 2026. Исследование использует высокочастотные административные payroll-данные ADP, охватывающие миллионы работников США до июня 2026 года. Авторы не находят widespread economy-wide job displacement, но занятость работников 22—25 лет в наиболее AI-exposed occupations находится примерно на 19 процентов ниже траектории относительно менее экспонированных ровесников; разрыв вырос с примерно 15 процентов в июльском срезе 2025 года. Механизм проявляется преимущественно через снижение найма молодых работников, а не рост separations. Авторы прямо подчёркивают, что результаты являются descriptive patterns, а не causal estimates. https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
2. Brynjolfsson, E., Li, D., Raymond, L. R. Generative AI at Work. NBER Working Paper 31161, April 2023, revised November 2023; впоследствии опубликовано в Quarterly Journal of Economics. Полевое внедрение AI-assistant изучалось на 5 179 сотрудниках customer support. Производительность, измеренная resolved issues per hour, выросла в среднем на 14 процентов; у novice и low-skilled workers — примерно на 34 процента, при минимальном эффекте у наиболее опытных. Авторы находят suggestive evidence передачи best practices и ускорения движения новичков по experience curve. https://www.nber.org/papers/w31161
3. Wiles, E., Krayer, L., Abbadi, M., Awasthi, U., Kennedy, R., Mishkin, P., Sack, D., Candelon, F. GenAI as an Exoskeleton: Experimental Evidence on Knowledge Workers Using GenAI on New Skills. Working paper / BCG-Harvard collaboration. Рандомизированный эксперимент проверял выполнение консультантами технических data-science tasks вне их прежней специализации. Группа с GenAI превосходила контроль на 49, 20 и 18 percentage points по трём заданиям, но после удаления инструмента не показала сопоставимого роста самостоятельных технических знаний. Результат показывает различие между capability with tool и retained learning без него. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4944588
4. Becker, J., Rush, N., Barnes, B., Rein, D. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity. METR, 10 July 2025. Randomized controlled trial: 16 опытных open-source разработчиков выполнили 246 задач в зрелых проектах, с которыми они в среднем были знакомы около пяти лет. При разрешении использовать AI-инструменты начала 2025 года выполнение задач заняло в среднем на 19 процентов больше времени. До исследования участники ожидали ускорения на 24 процента, а после по-прежнему субъективно оценивали ускорение примерно в 20 процентов. Авторы отдельно предостерегают от распространения результата на всё программирование. https://metr.org/Early_2025_AI_Experienced_OS_Devs_Study-paper.pdf
5. Thomson Reuters Institute. Future of Professionals Report 2026: Actionable Insights for Law Firm Leaders. Данные legal-среза собраны в марте-апреле 2026 года: 736 респондентов из law firms в 46 странах, включая C-suite, partners, associates, lawyers и paralegals; 421 ответ из США, плюс отдельные 203 ответа из corporate legal departments. В разделе talent pipeline 71 процент респондентов полагают, что early-career professionals по-прежнему нуждаются в structured support опытных коллег для развития professional judgment, а достижение trusted independent judgment может занять примерно на год больше; в другом срезе 78 процентов law firm professionals связывают развитие навыков начинающих юристов с experienced mentorship. Это данные восприятия и ожиданий отрасли, а не наблюдаемая причинная статистика найма. https://www.thomsonreuters.com/en/institute/future-of-professionals-2026/report-legal
6. Thurman, N., Thäsler-Kordonouri, S., Fletcher, R. AI adoption by UK journalists and their newsrooms: surveying applications, approaches, and attitudes. Reuters Institute for the Study of Journalism, 2025. Онлайн-опрос проводился с 29 августа по 4 ноября 2024 года; после очистки выборка составила 1 004 работающих британских журналиста и была оценена авторами как broadly representative с оговорками о возрастном и гендерном сдвиге. 56 процентов использовали AI профессионально хотя бы раз в неделю; не реже раза в месяц 49 процентов использовали его для transcription/captioning, 33 процента для translation, 30 процентов для grammar checking/copy-editing, 22 процента для story research и 10 процентов для generating first drafts. Эти числа измеряют использование AI в задачах, а не сокращение рабочих мест. https://reutersinstitute.politics.ox.ac.uk/ai-adoption-uk-journalists-and-their-newsrooms-surveying-applications-approaches-and-attitudes