# Преподаватель Стэнфорда о карьере в эпоху ИИ: план на 90 дней и навыки будущего

Источник: https://www.youtube.com/watch?v=douOcXNhtIg
Канал: Marina Mogilko
Опубликовано: 03.04.2026

---

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
[[JUMP:00:50]]

Многие прогнозы о скором исчезновении профессий (например, рентгенологов или водителей), звучавшие в последние годы, не оправдались в полной мере [01:45]. По мнению Киана Катанфароша, люди склонны переоценивать краткосрочный эффект технологий и недооценивать долгосрочный [01:06]. 

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 [01:20].
*   **Сложность физического мира:** Пример с автономным вождением показывает, что даже при огромных инвестициях (с 2014-2015 годов) на решение задачи уходят годы исследований [02:23].
*   **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 [16:49].

Тем не менее, спикер подтверждает, что в ближайшее время значительные изменения затронут сферы клиентской поддержки, перевода и озвучки текста [02:36].

## 📉 Проблема «иллюзии компетентности»: статистика и критерии
[[JUMP:03:16]]

Данные компании Workera показывают тревожный тренд: 71% людей неверно оценивают свой уровень владения искусственным интеллектом [03:16]. Эксперт выделяет два уровня взаимодействия с технологией:

1.  **Базовое использование:** Частота работы с инструментами (например, ежедневное открытие ChatGPT).
2.  **Профессиональное владение:** Использование сложных техник промпт-инжиниринга.

К профессиональным техникам Катанфарош относит:

*   **Zero Shot / Few Shot:** Предоставление модели примеров для обучения внутри запроса [03:56].
*   **Chain of Thought (Цепочка рассуждений):** Побуждение модели к пошаговому решению задачи.
*   **RAG-системы:** Использование собственных баз данных для обогащения ответов ИИ [04:09].

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 [07:02]. Если ответов нет — вы уже отстаете.

## 🗓 План усиления навыков на 90 дней
[[JUMP:04:11]]

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 [04:24]. 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) [04:50].
*   **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) [05:02].

## 🧠 Контекст как главная ценность для профессионала
[[JUMP:07:20]]

Основная разница между любителем и профессионалом в использовании LLM (больших языковых моделей) заключается в объеме передаваемого контекста [07:27]. 

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 [15:16]:

1.  **Реальные факты:** Обучение модели биографии и специфике деятельности.
2.  **Стиль и голос:** Любимые фразы и слова-табу.
3.  **Инструкции «как не надо»:** Список типичных ошибок ИИ, которые нужно избегать [15:43].

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 [08:47].

## 🏢 Трансформация компаний: от вертикали к малым командам
[[JUMP:09:31]]

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 [09:51].
*   **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) [10:30].
*   **Автоматизация рутины:** В Workera ИИ-агенты ведут календари руководителей, делают расшифровки всех встреч и проводят первичные интервью с кандидатами [10:55].

## 🛠 Топ навыков, за которыми охотятся корпорации
[[JUMP:13:17]]

По мнению эксперта, наиболее устойчивыми навыками в ближайшие 10 лет будут самостоятельность (проактивность), критическое мышление и решение задач [12:50]. В технической сфере выделяются три дефицитных направления:

1.  **Системы рассуждения (Reasoning models):** Умение строить логические цепочки внутри моделей.
2.  **Распределенные вычисления:** Обучение моделей на гигантских кластерах серверов (требует глубоких знаний математики и «железа») [14:11].
3.  **Обучение с подкреплением (Reinforcement Learning):** Технология, позволяющая машине учиться на собственном опыте (основа AlphaGo) [14:24].

Для «обычной» жизни критически важным становится навык Forward Deployed Engineering — сочетание глубокого понимания бизнеса и технологий одновременно [14:51].

## 🎓 Кризис университетов и новая модель образования
[[JUMP:17:59]]

Катанфарош утверждает, что университеты (кроме топовых брендов с сильным нетворкингом) будут терять ценность [18:06]. 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) [19:37].

## 🕵️ Почему 95% ИИ-агентов не работают в реальности
[[JUMP:19:53]]

Несмотря на хайп вокруг автономных агентов, исследование MIT показало, что только 5% из них реально функционируют в промышленной эксплуатации (продакшене) [20:41].

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 [21:20].
*   **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 [21:34].

Катанфарош отмечает, что иногда пользователи предпочитают предсказуемый сценарий (кнопки, формы) живому диалогу с ИИ, так как последний может вызывать лишний стресс [22:16].

## 🚀 Три шага, чтобы оставаться востребованным в 2026 году
[[JUMP:26:35]]

В завершение беседы Киан Катанфарош дал три конкретных совета для аудитории:

1.  **Честная самооценка:** Освоить основы ИИ и признать свои пробелы.
2.  **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 [27:06].
3.  **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 [27:58].