Всем привет!

Меня зовут Александр, я COO в SaaS-платформе аналитики данных. Делюсь полезными материалами, которые считаю стоят внимания. В основном про AI, изменение процессов, тренды и продуктовое видение.

У себя в телеграм-канале делюсь сжатыми и структурированными саммери статей.

В статье приводится анализ того, как ИИ трансформирует кривую освоения навыков в разных областях.

Как появление калькуляторов упростило базовую арифметику, но не создало новых математиков, так и ИИ не столько расширяет границы человеческих возможностей, сколько меняет порог входа в профессии. Именно поэтому технически подкованные менеджеры теперь могут создавать работающие продукты своими руками.
Объяснение через объем знаний, используемый в ИИ, дает наглядный ответ, почему ИИ воспринимается по-разному.

Изменённая кривая обучения

До появления ИИ обучающиеся сталкивались с проблемой соответствия: обучающие материалы должны создаваться с учетом целевой аудитории. Это означало, что для вас как потребителя обучающие ресурсы не были оптимальными:

Вы новичок в $предметной_области, но обладаете знаниями в $смежной_области. Однако трудно найти обучающие ресурсы, которые объясняют $предметную_область в терминах $смежной_области.
Для эффективного изучения $предметной_области вам действительно нужно сначала освоить $базовый_навык. Но как начинающий, вы не знаете, что следует изучить $базовый_навык прежде чем изучать $предметную_область.
У вас есть базовые знания о $предметной_области, но вы достигли плато и испытываете трудности с поиском подходящих ресурсов для преодоления $промежуточной_мертвой_точки

В общих чертах, приобретение мастерства в навыке с течением времени выглядит так:

Традиционная кривая обучения (уровень мастерства/время)

Что делает обучение с ИИ революционным, так это то, что он может соответствовать вашему уровню навыков. Теперь ИИ может напрямую отвечать на вопросы на вашем уровне понимания и даже выполнять за вас рутинную работу. Это меняет кривую обучения:

Мастерство: по-прежнему сложно!

Эксперты в своей области обычно более скептически относятся к ИИ. Из Hacker News:

ИИ поверхностен. Чем глубже я погружаюсь, тем менее полезным он кажется. Это происходит быстро. И не дай бог вы исследуете сложную и потенциально спорную тему и хотите, чтобы он нашел авторитетные источники, особенно академические.

Это интуитивно понятно, если учесть данные, на которых обучается ИИ. Если ИИ содержит большой объем данных по теме, которые более или менее содержат не противоречивую информацию, он будет хорошо синтезировать их в результат. Если тема слишком сложная, обучающих данных для модели будет гораздо меньше. Если тема спорная, обучающие данные будут содержать примеры с противоположными утверждениями. Таким образом, достижение мастерства остается сложным.

Читерство

Введение OpenAI Study Mode намекает на проблему: вместо того, чтобы учиться у ИИ, вы можете просто попросить его предоставить ответ. Это означает, что читеры достигнут плато на том уровне, который может предоставить ИИ:

Плато при использовании ИИ для читерства

В долгосрочной перспективе читеры здесь не преуспеют!

Влияние измененной кривой обучения

Технологические изменения — это изменения экосистемы: есть победители и проигравшие, распределенные неравномерно. Для ИИ уровень воздействия определяется степенью мастерства, необходимого для создания значимого продукта:

Программирование: благо для менеджмента, меньше пользы для больших кодовых баз

При попытке что-то запрограммировать инженерные менеджеры часто сталкиваются с проблемой: они знают принципы хорошего программного обеспечения, понимают, как выглядит плохое ПО, но не знают, как использовать $условный_фреймворк. Исторически это затрудняло, например, для бэкенд-менеджера создание iPhone-приложения в свободное время.

С ИИ они могут быстро изучить основы и запустить простые приложения. Затем они могут использовать свои существующие знания для превращения результатов в работоспособный продукт. ИИ - это разница между существованием и несуществованием их продукта!

Инженерные менеджеры и разработка программного обеспечения

Для разработчиков, работающих с большими сложными базами кода, энтузиазм более сдержанный. ИИ не имеет контекста относительно высокоспецифических требований и существующих реализаций, с которыми приходится иметь дело, и поэтому менее полезен:

Ограничения ИИ при работе с большими базами кода

Творческие работы: не появятся в ближайшем будущем

Среди творческих людей существует значительная тревога по поводу ИИ: скоро ли мы все будем читать романы, сгенерированные ИИ, и смотреть фильмы, созданные ИИ?

Это маловероятно, поскольку творческие области чрезвычайно конкурентны, а для привлечения внимания требуется новизна. Хотя ИИ упростил создание изображений, аудио и текста, он (за некоторыми исключениями) не увеличил количество ушей и глаз, поэтому планка для создания конкурентоспособного продукта слишком высока:

Новизна является обязательным требованием для успешной творческой работы, поскольку люди прекрасно определяют, когда то, что они просматривают или читают, является производным от чего-то, что они видели раньше. Вот почему, хотя аватары в стиле Studio Ghibli на короткое время захватили интернет, они не повлияли на культурную позицию "Ходячего замка Хаула".

То, что вы уже делаете в приложениях на своем телефоне: минимальное влияние

Одна область, которая не испытала значительного влияния — это задачи, для которых уже существуют специализированные приложения. Я сосредоточусь на двух примерах с множеством MCP-реализаций: электронная почта и заказ еды. ИИ-агенты Doordash и ИИ-продюсеры фильмов сталкиваются с одной и той же проблемой: планка для создания значимого нового продукта уже очень высока:

Влияние ИИ на электронную почту и заказ еды

Электронная почта кажется благодатной областью для революции с помощью ИИ. Но современные почтовые приложения уже имеют широкий спектр инструментов фильтрации и организации, которые технически подкованные пользователи могут использовать для создания сложных, персонализированных систем эффективной обработки и организации своих входящих сообщений.

Саммери текста — это основной навык ИИ, но он не особо помогает здесь:

Спам уже тихо перемещается в папку "Спам". Резюме мусора — это, ну, мусор.
Для важных писем я не хочу получать краткое изложение: ИИ, скорее всего, предоставит менее конкретную информацию, чем отправитель, и я не хочу рисковать пропустить важные детали.

Аналогично с заказом еды: приложения вроде DoorDash имеют тщательно продуманные интерфейсы. Они обеспечивают тонкий баланс между информацией, такой как цена и ингредиенты, и фотографиями блюд. ИИ вряд ли создаст интерфейсы, которые будут быстрее или более продуманно составлены.

Будущее уже наступило – просто оно неравномерно распределено

ИИ поднял нижнюю планку для интеллектуальной работы, но эти изменения важны не для всех. Это во многом объясняет очень широкий спектр реакций на ИИ. Для инженерных менеджеров ИИ оказал огромное влияние. Другие боятся и возмущаются возможностью быть замененными. Третьи слышат, как умные люди выражают энтузиазм по поводу ИИ, пытаются найти полезность, но думают: Видимо, я просто не понимаю.

ИИ пока не заменил всю нашу работу, но он довольно умный помощник.
Стоит попробовать его в деле, но если вам кажется, что он вам не подходит — скорее всего, так и есть.

Когда ИИ оказывает реальное влияние на продуктивность и когда он бесполезен. Наглядно