ИИ забрал мою работу (и дал взамен в два раза больше новой)

Раньше если б вы меня спросили: «Ты кто?» – я бы ответила что-то вроде: «Специалист по анализу данных,» – или: «Разработчик программного обеспечения.» Сейчас я так себя не могу назвать.

То есть, формально, в моей жизни ничего не поменялось: я всё ещё работаю в той же области, и даже в той же компании, но я уже некоторое время не пишу руками код – я пишу промпты, а Opus 4.6 пишет код и делает это достаточно хорошо, чтобы меня на рабочем месте заменить. И мне было непросто это принять, потому что моя работа – огромная и важная часть моей жизни, и успехи на работе в очень значительной степени определяют, насколько я счастлива по жизни.

Я прошла через все стадии горевания от отрицания до принятия и теперь, как мне кажется, взамен моего прежнего представления о себе отросло что-то новое. Оно пока не совсем оформилось, я к нему присматриваюсь аккуратно с разных сторон, но оно есть, и я про него как-нибудь попозже расскажу. Сегодня расскажу, как я в процессе трансформации пыталась осознать, почему ИИ забирает и забирает мою работу, а её всё больше и больше становится.

#ИИ #работа

То есть, раньше я сидела и писала код. Писать одну функцию восемь-десять часов раньше было нормой, если вдруг попался какой-нибудь особенно упрямый баг – а теперь нет. Теперь я ту же работу могу сделать за пятнадцать минут, ну за полчаса. Остальное время освобождается.

И тут оказывается, что можно бы пройти обучение, потом помочь команде спланировать работу, потом наладить где-то коммуникацию. Ещё есть те, кто код не писал, но тоже добрался до нейросетей: надо рассказать им, чтобы пароли в коде не оставляли. Структуру помочь правильно выстроить. Может, семинар ещё провести про разные риски? И по-хорошему, нам нужен формально оформленный подход, который опирается на актуальные исследования – зря я, что ли, целыми днями их читаю?

Ну вы поняли. Я с удивлением обнаружила себя в ситуации, когда привычная работа вдруг исчезла, а вместо неё на меня упала цела куча категорически непривычных занятий, с которыми я раньше не сталкивалась и понятия не имею, что делать.

И я пребывала в смятении. А когда я в смятении, я иду искать исследования, потому что учение – свет, знание – сила и вот это вот всё.

Вопрос мой был таков: «Я сошла с ума или в самом деле ИИ работу сначала забирает, а потом накидывает сверху?»

Наличие или отсутствие у меня сумасшествия доказать не удалось, но по поводу трансформации работы кое-что я нашла.

Сначала мне попалась неплохая обзорная публикация «Deskilling and upskilling with generative AI systems» («Утрата и освоение навыков при использовании генеративного ИИ»): она ссылается на несколько больших исследований, к которым доступ платный.

Авторы исследуют ситуации, в которых использование ИИ помогает развить новые навыки, и ситуации, в которых он предотвращает развитие новых навыков. Например, если сотрудник-новичок с ИИ может работать столь же эффективно, как и более опытный сотрудник, он не учится навыкам, которые есть у более опытного сотрудника, потому что необходимости и возможности такой нет – это и есть deskilling, то есть, утрата навыка. Если же сотрудник отдаёт ИИ простые задачи, занимающие много времени, а сам выполняет параллельно более сложные – это upskilling, то есть, приобретение.

Статья описывает некоторые результаты, полученные из разных других исследований:

Итак, ИИ ускоряет рабочий процесс.

Однако в исследовании «Large Language Models, Small Labor Market Effects» («Большие языковые модели, малое влияние на рынок труда»), которое провели аж на 25 000 работниках, выяснилось, что ни работать меньше, ни зарабатывать больше особенно никто не стал. Это исследование проводилось в Дании на датчанах.

В американском исследовании «Shifting Work Patterns with Generative AI» («Изменение структуры работы при использовании генеративного ИИ») результаты, впрочем, вышли похожие, так что дело не в датчанах.

Это исследование проводила компания Microsoft и изучала влияние собственного продукта на изменение работы пользователей, так что воспримем их слова с некоторым подозрением.

В общем, у них вышло, что сотрудники, которые инструментом пользовались, сократили время на чтение писем аж на полтора часа. В неделю. Всё.

Есть такая штука – парадокс Джевонса. Он заключается в том, что, когда что-то производится эффективнее, этого чего-то становится нужно больше. Его сформулировал экономист Уильям Джевонс, когда в Англии изобрели новую версию парового двигателя. Этот двигатель был эффективнее прежнего и требовал меньше угля, однако добыча угля не сократилась, а возросла. Почему? – Потому что теперь использовать уголь стало выгоднее, и его стали использовать больше.

Применительно к ИИ сей парадокс исследовали авторы статьи «AI and the Extended Workday: Productivity, Contracting Efficiency, and Distribution of Rents» («ИИ и увеличенный рабочий день: продуктивность, сжатие эффективности и распределение прибылей»). Вывод у них вышел такой: сотрудники, конечно, работают быстрее, но с работы их никто раньше не отпустит, потому что работодатели хотят денег. Ещё. Больше. Денег.

Авторы заметки «As AI’s power grows, so does our workday» («Наш рабочий день увеличивается по мере того, как ИИ становится мощнее») пишут: люди в профессиях, куда ИИ проник глубже, работают примерно на 3,15 часа больше коллег из областей, где ИИ используется менее активно. Сэкономленные полтора часа из предыдущего исследования – мёртвому припарка.

В статье «Does AI Increase Productivity or Just Make Us Work More?» («ИИ увеличивает продуктивность или заставляет нас работать больше?») авторы, ссылаясь на гарвардское исследование, пишут: когда мы используем ИИ, нам кажется, что мы тратим на задачи меньше сил. Поэтому здесь мы решили быстренько набросать черновик письма в обед, тут баг подправить – это же дело двух минут. И вот там чуть-чуть, тут чуть-чуть – и пара дополнительных часов уже и накапала.

Мы лезем в новые для себя области: «Чего программистов дёргать, сейчас я сама быстренько починю». Не делаем необходимых перерывов: «Мне же просто промпт написать. Я его буду одной рукой набирать на клавиатуре, а второй шарить в контейнере с обедом». Постоянно меняем задачи: тут баг чинится, тут письмо пишется. Одно отработало – хватаемся за другое. И мы не замечаем, как это всё вытягивает из нас силы, и как работа расползается и занимает собой всё свободное время.

Для этого феномена даже термин новый придумали – «brain fry». По-русски я бы сказала «вскипание мозга», хотя «fry» – это обжарка в масле.

Мозг вскипает от того, как много нужно отслеживать, планировать и контролировать за ИИ. И часто это дополнительная нагрузка, которую мы толком и осознать не успеваем.

Все работы, на которые я опиралась при написании этого поста, вышли в 2024–2026 годах. То есть, данных пока мало (и это ожидаемо). Решения принимать на их основе сложно.

Что делать с кипящим мозгом, я пока без понятия. Как пойму, так сразу и поделюсь тут с вами.

Пока можете ко мне в телеграм зайти, я там тоже ищу варианты