ИИ уже меняет рынок труда, но не совсем так, как это любят описывать в спорах про «заменит ли он программистов». Куда заметнее другой эффект: инфляция качества. Если раньше довести текст, отчёт, презентацию или код с условных 80% до 85% стоило пару часов, то теперь на это нередко уходит несколько минут и пара дополнительных запросов к модели. Для русскоязычной IT-аудитории это плохая новость для тех, кто привык сдавать «и так сойдёт», и вполне рабочая для тех, кто умеет проверять и докручивать результат.
Об этом рассуждает Habr / Карьера в статье «ИИ и инфляция качества». Главный тезис там довольно трезвый: разговор о том, кого именно заменит ИИ, слишком упрощает происходящее. Да, отдельные роли и задачи будут исчезать. Но быстрее меняется не численность людей в офисе и не количество открытых вакансий, а экономика интеллектуального труда. Стоимость результата определённого уровня падает, а вместе с ней падает и ценность самого факта, что вы умеете делать «нормально». То, что вчера считалось хорошей работой, завтра станет базовой гигиеной.
Эта логика хорошо бьётся с цифрами, которые приводит автор. В эксперименте BCG с участием 758 консультантов сотрудники с доступом к GPT показывали более слабый результат на задачах за пределами возможностей модели: правильный ответ получили 70,6% участников против 84,5% в контрольной группе. То есть сам по себе ИИ не превращает человека в более умного исполнителя и не страхует от промаха, если задача ему не по зубам. Но на задачах, где модель действительно полезна, эффект другой: люди работают быстрее и получают более качественный результат. Похожую картину описывает исследование Шакеда Ноя и Уитни Чжан на 453 специалистах: примерно на 40% меньше времени при росте качества примерно на 18%. Иначе говоря, ИИ удешевляет не только производство результата, но и каждую следующую попытку сделать его лучше. А это уже меняет норму.
В этом месте особенно удобно перестать спорить о том, исчезнут ли джуны, мидлы и сеньоры в красивом порядке. Проблема не в том, что ИИ завтра массово вытеснит всех, кто пишет код, тексты или отчёты. Проблема в том, что результат среднего уровня стремительно дешевеет. Если презентация приемлемого качества раньше занимала полдня, а теперь собирается за двадцать минут с помощью PowerPoint и ChatGPT, сама способность сделать такую презентацию никуда не делась, но платить за неё как раньше всё сложнее. Следующий сотрудник придёт с теми же инструментами и тем же таймером. Для бизнеса это звучит как рост эффективности. Для специалистов это означает, что прежний «хороший средний» превращается в обязательный минимум.
История тут, в общем, не новая. Электронные таблицы не уничтожили бухгалтеров, но радикально изменили ожидания к скорости и точности их работы. Поиск не подарил исследователям половину дня свободного времени, а электронная почта не разгрузила офисы до состояния дзена. Когда технология снижает стоимость операции, компания обычно не дарит сотруднику отдых, а повышает планку. С ИИ происходит то же самое, только теперь дело не только в количестве задач, но и в качестве каждой итерации. Если за то же время можно проверить больше гипотез, прогнать больше вариантов, найти дыры в аргументации и ещё раз переписать вывод, именно это через некоторое время и начинают считать нормальной работой. Инфляция качества выглядит именно так: не как апокалипсис профессий, а как тихое переписывание стандарта «достаточно хорошо».
Есть и второй слой проблемы: дешёвое производство ответа не равно дешёвой проверке ответа. Автор удачно напоминает старую сетевую шутку про письма, которые «не дошли»: читаешь ответ и понимаешь, что не дошло. С ИИ это ощущение стало очень практичным. Модель может написать складный текст, предложить архитектуру, собрать анализ или сгенерировать код, который выглядит убедительно. Но если человек плохо сформулировал задачу или не умеет проверить результат, он просто получает аккуратно оформленную ошибку. И чем лучше пишет модель, тем опаснее эффект: плохую ерунду видно сразу, хорошую ерунду приходится проверять руками. Для разработчиков это означает рост цены навыков валидации: умения заметить не тот вопрос, некорректное допущение, пропущенный крайний случай, нестыковку в логике или код, который «работает», пока не сменился контекст.
Отсюда и довольно неприятный для рынка вывод. Пока ИИ есть у одного сотрудника из десяти, сам доступ к инструменту ещё даёт преимущество. Когда он есть у всех десяти, доступ перестаёт быть конкурентным фактором. Начинает работать разница в том, как именно человек использует модель: как интеллектуального оппонента, средство перебора вариантов и проверки гипотез или как кнопку «сделай мне приличный текст». Исследование Эрика Бриньолфссона, Даниэль Ли и Линдси Рэймонд на 5179 сотрудниках клиентской поддержки показывает схожий эффект. После внедрения AI-ассистента средняя производительность выросла примерно на 14%, а у начинающих и менее квалифицированных сотрудников — примерно на 34%. У наиболее опытных рост был небольшим. Это не история про то, что опыт больше не нужен. Скорее про то, что ИИ помогает новичкам быстрее дотягиваться до части практик сильных коллег, но не выдаёт вместе с подпиской годы насмотренности, понимание системы и способность увидеть проблему до того, как она стала инцидентом.
Для российских разработчиков, продактов, фаундеров и HR это меняет разговор сразу в нескольких местах. При найме всё менее интересно спрашивать, умеет ли кандидат пользоваться ChatGPT: почти все уже умеют хотя бы на уровне «вставил промпт — получил ответ». Гораздо важнее, умеет ли он ставить задачу, спорить с результатом, проверять факты, ловить ложную уверенность модели и доводить сырое до рабочего. Для менеджеров это означает пересборку ожиданий: если инструмент сокращает время на итерацию, команда не обязательно станет вдвое меньше, но требования к качеству первого же релиза, отчёта или спецификации почти наверняка подрастут. Для джунов это, пожалуй, самый скользкий момент: войти в профессию можно быстрее, но спрятаться на уровне «делаю базу и учусь по ходу» становится сложнее, потому что база теперь стоит дешевле.
Самый интересный вопрос здесь уже не в том, кого ИИ заменит первым. Гораздо важнее, что именно рынок продолжит считать квалификацией, когда инфляция качества окончательно превратит вчерашний хороший результат в обязательный минимум. Похоже, дороже всего будут стоить не те, кто быстрее получает ответ от модели, а те, кто умеет понять, какой ответ вообще нужен, где он ошибается и почему ему пока нельзя доверять без проверки.