● Дополненный интеллект, зарождающийся сегодня, позволяет организациям и людям делать то, что они не могли делать ранее.
● Автономный интеллект, разрабатываемый для будущего, создает и внедряет машины, которые работают самостоятельно[136].
Для каждой из анализируемых профессий организация может определить тип интеллекта или уровень автоматизации, который будет достижим с наибольшей вероятностью, а также примерное количество времени, необходимое на это.
Как только профессия классифицирована на основе желательного или вероятного уровня автоматизации, необходимо проинформировать занятых в соответствующей сфере работников о том, что ждет их в будущем и что они могут сделать. Если профессия исчезнет из-за автоматизации, сотрудникам стоит предложить начать поиски другой работы или приступить к переподготовке. Если профессия, скорее всего, будет так или иначе усовершенствована с помощью технологий, нужно пояснить сотрудникам, как подготовиться к изменению схем работы и приобрести необходимые навыки. В любом случае сотрудникам нужно немало времени, чтобы овладеть новыми навыками или пройти переподготовку. Лучше предупредить их слишком рано, чем слишком поздно.
Несмотря на огромное количество прогнозов, никто пока не знает, с какой именно скоростью будут происходить организационные изменения и перемены в сфере занятости, насколько сократятся штаты и какая судьба постигнет конкретные профессии. Однако не стоит и сомневаться, что после внедрения умных машин профессии и квалификации изменятся – и порой до неузнаваемости.
Само собой, одни профессии изменятся сильнее других. К ним относятся:
● Профессии, предполагающие совершение повторяющихся структурированных действий. Внедрение технологических и физических роботов ставит под угрозу профессии, в которых основные задачи предсказуемы и требуют многократных повторений. На заводах многих работников таких профессий уже заменили роботы, но теперь роботизированная автоматизация процессов может заменить и офисных работников, которые выполняют повторяющиеся структурированные задачи.
● Цифровые профессии, не предполагающие прямого контакта с клиентами. Часто клиенты предпочитают иметь дело с людьми. Если профессия не предполагает прямого контакта с людьми, она оказывается под угрозой. Например, в медицине риск потери работы выше для радиологов и специалистов по лабораторной диагностике, которые обычно не встречаются с пациентами, а только изучают снимки. Под угрозой также оказываются внештатные специалисты, работающие в сфере офшорного аутсорсинга, поскольку обычно они трудятся вдали от своих клиентов и поставщиков.
● Профессии, в которых активно используются количественно измеримые данные или поддающиеся кодификации знания. Профессии, предполагающие принятие решения на основе структурированных, поддающихся кодификации знаний, как правило, подвергаются большему риску, чем профессии, имеющие дело со знаниями и восприятиями, которые слишком сильно варьируются, чтобы их можно было кодифицировать. Чем больше данных используется при принятии решений, тем выше вероятность, что алгоритмы машинного обучения будут принимать решения быстрее и действовать точнее человека. Хорошим примером может служить цифровой маркетинг: человеку не под силу за доли секунды проанализировать все необходимые данные и принять решение о публикации конкретной рекламы на конкретном сайте.
● Профессии начального уровня. Технологии автоматизации уже ограничили возможность найти позиции начального уровня в таких сферах, как архитектура и юриспруденция. Поскольку ИИ помогает машинам осваивать все новые навыки, вскоре это затронет и другие области. Работники начального уровня по определению не имеют большого опыта, а потому машинам относительно несложно выполнять их работу. Само собой, из-за этого работникам начального уровня становится трудно приобрести необходимый опыт и перейти на более высокие должности.
● Профессии, которые не приносят прибыли. Компании более склонны применять когнитивные технологии к тем профессиям, которые заставляют их тратить деньги, чем к тем, которые эти деньги приносят. Например, машины с большей вероятностью будут использоваться в сфере обслуживания клиентов, чем в сфере продаж.
Если конкретная профессия попадает в одну из этих категорий, это не означает, что ее представители скоро окажутся на улице. Однако это означает, что представителям данной профессии особенно важно изучить возможности когнитивных технологий, приобрести новые навыки и подготовиться приумножать эффект работы машин.
Конечно же, профессия определяет, какие навыки понадобятся конкретному работнику в будущем, чтобы конкурировать с машинами – или хотя бы их дополнять. Тем не менее есть ряд общих навыков, которые будут цениться, когда руководители решат повысить ценность своих кадров. Овладение этими навыками пойдет на пользу и самим руководителям. Среди них:
● Понимание принципов машинного мышления. Любому, кто работает бок о бок с умными машинами или контролирует работу машин, необходимо понимать логику и механизм работы компьютерной системы. Знакомство с принципами компьютерного мышления поможет в таких сферах, как устранение неполадок, выявление ограничений и объяснение логики функционирования когнитивных технологий. Принципы работы некоторых когнитивных технологий, например систем на основе правил или роботизированной автоматизации процессов, относительно просты – их логика прозрачна и доступна даже неспециалистам. Понять принципы работы сложных алгоритмических систем, например систем глубокого обучения, гораздо сложнее (иногда это и вовсе невыполнимо).
● Понимание аналитики и структур данных. В подавляющем большинстве случаев когнитивные технологии основываются на аналитике и данных, причем данных порой несметное множество. Любому, кто ищет работу с ИИ, пригодится понимание статистики и структур данных, а также умение принимать решения на основе этих данных.
● Знакомство с различными типами ИИ. При работе с когнитивными технологиями (особенно на руководящих позициях) очень важно понимать, какие типы технологий существуют и какие функции они выполняют. Так, нельзя контролировать проект по внедрению технологии распознавания изображений, не зная, что чаще всего для этого используются системы глубокого обучения[137].
● Знание бизнеса и отрасли. Любой желающий работать с умными машинами должен понимать не только сами машины, но и аспекты бизнеса, в которых они применяются. Так, ИИ нельзя применять в сфере бухгалтерии и аудита, не понимая ключевые проблемы и задачи этих отраслей, а также не представляя, какие знания нужны для корректной работы в этой сфере.
● Хорошие коммуникационные навыки. С течением времени машины будут принимать все больше решений и выполнять все больше действий, поэтому одной из главных задач людей станет трактовка машинной деятельности и объяснение результатов другим людям. Например, некоторые страховые андеррайтеры больше не определяют размер взносов, а работают с клиентами и страховыми агентами, поясняя решения системы автоматизированного андеррайтинга.
● Высокий уровень эмоционального интеллекта. Несмотря на определенные успехи в этой области, компьютерные системы пока не обладают должным уровнем эмоционального интеллекта. Это значит, что люди выигрывают конкуренцию, воспринимая человеческие эмоции и мудро реагируя на них. Например, при поиске работы в сфере здравоохранения «умение найти подход к больному» будет цениться еще выше, чем сегодня.
Обратите внимание, что я не включил в список программирование, или способность создавать компьютерные программы. Без сомнения, этот навык будет очень полезен для всех, кто решит сделать «шаг вперед» и заняться разработкой новых когнитивных систем. Наличие базовых навыков программирования также полезно для понимания принципов мышления умных машин. Однако многие эксперты полагают, что в последующие несколько лет программирование будет во многом автоматизировано[138]. Следовательно, многим людям, желающим работать с когнитивными технологиями, возможно, не придется овладевать навыками программирования.
Само собой, самые общие навыки – это умение постоянно совершенствоваться и любознательность. Какими бы знаниями и навыками мы ни обладали, велика вероятность, что после внедрения ИИ многие из этих интеллектуальных активов потеряют свою ценность. Мы стоим на пороге масштабных изменений, и это означает, что организациям и людям необходимо непрерывно учиться.
Профессор обучения взрослого населения Гарвардской высшей педагогической школы Боб Киган подчеркивает:
Время обесценивания человеческих навыков сократится. Раньше было так: «Я приобрел навыки в 20 лет. Продержусь до 60». Теперь все будет иначе. Приближается эпоха, когда люди будут замечать, что их навыки обесценились, в 45, 40, 35 лет[139].
Также очевидно, что ключевым фактором перемен станут информационные технологии, так что обучение должно будет строиться вокруг этих технологий.
Я описал общие навыки, которые могут быть полезны для работы с когнитивными технологиями, однако компаниям необходимо будет разработать более детализированные стратегии в отношении конкретных профессий.
Например, Bank of America автоматизирует множество задач в своих филиалах, поэтому операционистам (которых теперь называют специалистами по работе с клиентами) приходится овладевать рядом новых навыков. Поскольку работа филиалов во многом автоматизирована, взаимодействие с поставщиками услуг будет преимущественно удаленным, ориентированным на конкретные продукты (например, ипотечные кредиты) и сосредоточенным на обсуждении проблем с приложениями самообслуживания. В некоторых филиалах будут работать «цифровые представители», которые будут помогать клиентам пользоваться цифровым банкингом и находить необходимые приложения самообслуживания (включая цифровой чат-бот Erika). Иными словами, одним операционистам (специалистам по работе с клиентами) придется хорошо разбираться в продуктах банка и соответствующих приложениях, в то время как другим придется познакомиться с широким спектром опций цифрового банкинга и умело применять навыки межличностного общения