Марина Могилко встретилась в Давосе с Кианом Катанфарошем — преподавателем Стэнфордского университета и основателем ИИ-компании Workera. Через его платформу прошло более миллиона человек, что позволило собрать уникальные данные о реальном уровне владения искусственным интеллектом в мире. В ходе беседы эксперт представил конкретный план по внедрению ИИ в работу, объяснил, почему большинство ИИ-агентов терпят неудачу, и какие навыки станут определяющими для карьеры в ближайшее десятилетие.
🤖 Почему ИИ до сих пор не заменил всех сотрудников 0:50
Многие прогнозы о скором исчезновении профессий (например, рентгенологов или водителей), звучавшие в последние годы, не оправдались в полной мере . По мнению Киана Катанфароша, люди склонны переоценивать краткосрочный эффект технологий и недооценивать долгосрочный .
Ключевые причины медленной адаптации:
- Разрыв между задачей и ролью: ИИ отлично справляется с отдельными задачами (задача А, задача Б), но работа человека состоит из сотен таких задач. Перевод всей операционной деятельности на ИИ может занять десятилетия .
- Сложность физического мира: Пример с автономным вождением показывает, что даже при огромных инвестициях (с 2014-2015 годов) на решение задачи уходят годы исследований .
- Скрытые цели компаний: Массовые увольнения в бигтехе, которые часто списывают на ИИ, по мнению Катанфароша, на самом деле являются «чисткой кадров» после избыточного найма в период пандемии COVID-19. Компании используют риторику об ИИ, чтобы поднять стоимость акций и оправдать оптимизацию штата .
Тем не менее, спикер подтверждает, что в ближайшее время значительные изменения затронут сферы клиентской поддержки, перевода и озвучки текста .
📉 Проблема «иллюзии компетентности»: статистика и критерии 3:16
Данные компании Workera показывают тревожный тренд: 71% людей неверно оценивают свой уровень владения искусственным интеллектом . Эксперт выделяет два уровня взаимодействия с технологией:
- Базовое использование: Частота работы с инструментами (например, ежедневное открытие ChatGPT).
- Профессиональное владение: Использование сложных техник промпт-инжиниринга.
К профессиональным техникам Катанфарош относит:
- Zero Shot / Few Shot: Предоставление модели примеров для обучения внутри запроса .
- Chain of Thought (Цепочка рассуждений): Побуждение модели к пошаговому решению задачи.
- RAG-системы: Использование собственных баз данных для обогащения ответов ИИ .
Для самодиагностики эксперт предлагает ответить на два вопроса: пользуетесь ли вы ИИ ежедневно и можете ли вы назвать 10 продуктов с ИИ, с которыми сталкиваетесь в жизни . Если ответов нет — вы уже отстаете.
🗓 План усиления навыков на 90 дней 4:11
Для тех, кто хочет выйти на уровень топ-1% специалистов, Киан Катанфарош предлагает следующую стратегию:
- Дни 1–30 (Фундамент): Прохождение базовых курсов на таких платформах, как DeepLearning.AI . Важно заложить теоретическую базу, прежде чем переходить к практике.
- Дни 31–60 (Нетворкинг и фильтрация): Рынок движется слишком быстро для учебников. Нужно следить за соцсетью X (бывший Twitter), Reddit и профильными рассылками (например, The Batch) .
- Дни 61–90 (Практика и контекст): Внедрение ИИ в рабочие процессы через создание «памяти» модели.
Спикер рекомендует следить за признанными учеными, чтобы отсеивать шум: Эндрю Ын (Andrew Ng), Ричард Сочер (Richard Socher), Йошуа Бенджио (Yoshua Bengio) .
🧠 Контекст как главная ценность для профессионала 7:20
Основная разница между любителем и профессионалом в использовании LLM (больших языковых моделей) заключается в объеме передаваемого контекста .
Марина Могилко поделилась собственным опытом: долгое время ИИ выдавал слабые тексты («галлюцинировал» факты, использовал неверный тон), пока она не создала систему из трех обучающих файлов :
- Реальные факты: Обучение модели биографии и специфике деятельности.
- Стиль и голос: Любимые фразы и слова-табу.
- Инструкции «как не надо»: Список типичных ошибок ИИ, которые нужно избегать .
В компании Workera этот принцип масштабирован: инженеры используют файлы «скиллов» (правила найма, брендбук, Tone of Voice). Это позволяет разработчикам проверять дизайн и тексты без участия отдела маркетинга, экономя целые рабочие дни .
🏢 Трансформация компаний: от вертикали к малым командам 9:31
ИИ меняет саму структуру бизнеса. Катанфарош выделяет несколько ключевых трендов:
- Уход от вертикальной иерархии: Топ-менеджеры (например, директора по AI) добровольно возвращаются к роли исполнителей, так как инструменты позволяют им быть невероятно продуктивными в одиночку .
- Команды «меньше двух пицц»: Если раньше стандартная команда состояла из 10 человек (8 инженеров, продакт, дизайнер), то теперь эффективная группа может состоять из 4 человек (2 разработчика, продакт и дизайнер) .
- Автоматизация рутины: В Workera ИИ-агенты ведут календари руководителей, делают расшифровки всех встреч и проводят первичные интервью с кандидатами .
🛠 Топ навыков, за которыми охотятся корпорации 13:17
По мнению эксперта, наиболее устойчивыми навыками в ближайшие 10 лет будут самостоятельность (проактивность), критическое мышление и решение задач . В технической сфере выделяются три дефицитных направления:
- Системы рассуждения (Reasoning models): Умение строить логические цепочки внутри моделей.
- Распределенные вычисления: Обучение моделей на гигантских кластерах серверов (требует глубоких знаний математики и «железа») .
- Обучение с подкреплением (Reinforcement Learning): Технология, позволяющая машине учиться на собственном опыте (основа AlphaGo) .
Для «обычной» жизни критически важным становится навык Forward Deployed Engineering — сочетание глубокого понимания бизнеса и технологий одновременно .
🎓 Кризис университетов и новая модель образования 17:59
Катанфарош утверждает, что университеты (кроме топовых брендов с сильным нетворкингом) будут терять ценность . Главная проблема — разрыв между учебной программой и требованиями рынка.
Предлагаемая модель будущего:
- Университеты: Дают только устойчивые, «фундаментальные» навыки (логика, база).
- Компании: Берут людей с сильной базой и за 6 месяцев доучивают их прикладным, быстро меняющимся технологиям (вместо прежних 7 лет пути до партнера в консалтинге) .
🕵️ Почему 95% ИИ-агентов не работают в реальности 19:53
Несмотря на хайп вокруг автономных агентов, исследование MIT показало, что только 5% из них реально функционируют в промышленной эксплуатации (продакшене) .
Основные сложности внедрения:
- Культурный контекст: Агент может перевести текст на японский, но «думать» по-японски и учитывать культурные нюансы без глубокой настройки он не сможет .
- Ошибки интерфейса: Агент может «зависнуть», если не увидит кнопку или столкнется с непредсказуемым поведением системы.
- Необходимость контроля: В Workera существует кнопка «агент ошибся», после нажатия которой живой эксперт перепроверяет результат в течение 4 дней. Это создает петлю обратной связи для обучения системы .
Катанфарош отмечает, что иногда пользователи предпочитают предсказуемый сценарий (кнопки, формы) живому диалогу с ИИ, так как последний может вызывать лишний стресс .
🚀 Три шага, чтобы оставаться востребованным в 2026 году 26:35
В завершение беседы Киан Катанфарош дал три конкретных совета для аудитории:
- Честная самооценка: Освоить основы ИИ и признать свои пробелы.
- Привычка учиться: Уделять теме ИИ хотя бы 5 минут каждое утро. Согласно правилу спикера: 1 день фокуса — вы в топ-x%, 1 неделя — в топ-10%, 1 месяц — в топ-1%, а 5–10 лет постоянства делают вас одним из 0,1% лучших в мире .
- Поиск «хабов»: Стараться быть в сообществах (физических или онлайн), где обсуждаются передовые технологии. В ближайшие годы преимущество будет у жителей технологических хабов вроде Сан-Франциско, где знания передаются даже во время обычных ужинов .
