Наконец‑то появилось действительно полезное исследование «Будущее труда с ИИ‑агентами» (Стэнфорд), которое превращает абстрактные споры о том, кого и как заменит искусственный интеллект, в конкретную дорожную карту профессий: какие задачи автоматизируются первыми, а какие навыки резко вырастут в цене.
Эта статья — не для того, чтобы вас напугать. Здесь будут конкретные инструменты и советы, чтобы вы сами могли ответить на главный вопрос:
Какие навыки развивать?
Какие задачи смело отдавать ИИ, а за какие стоит побороться и стать в них сильнее?
Как изменится ваша профессия?
За какие умения будут платить больше даже, чем за программирование и аналитику?
В основе статьи — такназываемая «матрица желаний и возможностей» автоматизации. Её создали как раз в Стэнфорде. Распределив свои рабочие задачи по четырём простым зонам этой матрицы, вы увидите, как ИИ повлияет именно на вашу профессию — и куда лучше направить усилия уже сейчас.
Я пообщалась с авторами исследования: они скоро опубликуют уникальную базу данных и отдельный инструмент для визуализации этих данных. Но пользоваться матрицей можно уже сейчас — ниже покажу, как это работает на практике.
А ещё сделала простого ИИ‑бота, который поможет каждому построить свою персональную матрицу задач (ссылку найдете в конце). Пробуйте, делитесь своими выводами.
Кстати, в исследовании есть и прогноз востребованных навыков будущего — там есть неожиданные позиции, которые сейчас почти не ценятся, а скоро станут главным конкурентным преимуществом.
В чем была проблема до этого исследования?
До этого исследования разговоры о будущем труда с ИИ сводились к двум темам:
либо «ИИ заберёт все рабочие места»,
либо «компании сэкономят и заработают больше».
Но почти никто не задавал вопросы самим работникам:
Вы вообще хотите, чтобы ИИ вас заменил?
Какие задачи вы готовы отдать машине, а какие хотите оставить себе?
А это ведь ключевой момент! Если игнорировать мнение людей, легко получить кризис, который вполне может перерасти в масштабный социальный конфликт.
Яркий пример — Голливуд. Как только ИИ научился писать тексты и придумывать истории сносно, продюсеры начали нанимать одного человека с ИИ вместо команды сценаристов.
Что в итоге? Сценаристы вышли на массовую забастовку — протесты длились пять месяцев.
Подобное может случиться в любой профессии — от клерков до дизайнеров.
Важно учитывать не только интересы корпораций, но и простых людей. Всё-таки искусственный интеллект создавался, чтобы облегчить нам жизнь, а не наоборот.
Что сделали по-настоящему нового?
Впервые на будущее работы с ИИ посмотрели не только глазами компаний и технологий, но и с точки зрения самих людей.
Учёные объединили два мира:
желания и предпочтения работников;
реальные возможности современных ИИ‑систем.
В итоге появилась картина, которая важна и политикам, и бизнесу, и каждому из нас. Это не очередная абстрактная теория — это практическое руководство, как жить и работать дальше.
Дальше коротко объясню, что именно сделали исследователи. А затем разложу по полочкам их выводы и покажу, что с этим делать на практике.
Как проходило исследование:
1. Сбор данных о профессиях
Учёные взяли огромную базу рабочих задач из американского Министерства труда — десятки тысяч конкретных действий по сотням профессий. Из этого массива выбрали только те задачи, которые выполняются за компьютером. После всех фильтров и этапов осталась «выжимка» — 844 задачи из 104 профессий.
2. Оценка роли человека — шкала HAS
Дальше важно было понять: насколько в каждой задаче важен человек? Для этого придумали специальную шкалу — HAS (Human Agency Scale), или Шкала человеческого участия.
H1 — ИИ может выполнить задачу полностью самостоятельно, без человека.
H5 — наоборот, ИИ не справится без нашего участия.
H2–H4 — промежуточные варианты, где ИИ нужен человек, но в разной степени.
Это универсальный язык для оценки автоматизации: теперь видно, где ИИ полностью заменяет человека, а где лишь дополняет и усиливает.
3. Опрос работников и экспертов
Ключевой момент: учёные не ограничились теорией и пошли напрямую к людям.
Они опросили 1 500 работников из 104 профессий — у каждого спросили:
Какие задачи вы готовы передать ИИ?
За какие хотите держаться сами?
Ответы собирали по той же шкале — от 1 до 5.
Параллельно этот же список задач дали экспертам по ИИ — 52 учёным и разработчикам, чтобы те оценили:
Насколько реально автоматизировать каждую из этих задач прямо сейчас?
4. Итог: база данных WORKBank
Все результаты объединили в уникальную базу данных — WORKBank. В ней по каждой из 844 задач указано:
что думают работники (желание автоматизации и предпочтительный уровень участия ИИ);
что думают эксперты (насколько это реально автоматизировать сейчас).
Какие выводы? Три главных открытия
Первое открытие: что люди действительно хотят отдать ИИ — а что нет
Впервые для такого широкого спектра профессий документально зафиксировано, какие задачи люди готовы делегировать искусственному интеллекту, а какие хотят оставить себе.
Топ-20 задач, которые работники хотели бы автоматизировать:
46% опрошенных в целом позитивноотносятся к автоматизации — даже если их спрашивают о рисках потери работы или «скучности».
Главная причина, по которой люди хотят делегировать задачи ИИ — «освободить время для более ценной работы» (так ответили 70% респондентов).
Интересный факт
Когда учёные сравнили эти желания с реальными паттернами использования ИИ, выяснилось:
10 профессий с самым высоким желанием автоматизации составляют всего 1,26% от общего использования ИИ! (Данные по использованию Claude изучали)
То есть ИИ сейчас применяют не для самых простых и массовых задач, которые люди мечтают автоматизировать. Видимо просто не хватает подходящих инструментов — или никто не объяснил, как ими пользоваться.
Здесь — огромная ниша для стартапов, которые могут решить конкретные боли.
Топ-20 задач, которые меньше всего хотят автоматизировать:
Почему так?
Причина не только в страхе потерять работу. Люди хотят сохранить:
контроль над важными решениями,
возможность творить,
и то самое «человеческое прикосновение» в профессии.
Второе открытие: “Матрица желаний и возможностей” автоматизации
Одно из ключевых достижений исследования — матрица “желаний и возможностей”.
В ней объединили два взгляда:
чего хотят сами работники,
и что действительно может автоматизировать ИИ прямо сейчас (по мнению экспертов).
Как устроена матрица
Это координатная сетка с четырьмя зонами:
По вертикали — насколько человек хочет отдать задачу ИИ (от 1 до 5).
По горизонтали — насколько ИИ реально справляется с этой задачей (тоже от 1 до 5).
Каждая рабочая задача “ложится” на это поле — и оказывается в одной из четырёх зон:
🟢 Зелёная зона (высокое желание + высокая возможность)
Идеальные кандидаты для автоматизации:
И люди хотят избавиться от задачи, и ИИ уже умеет её делать.
Примеры:
Назначение встреч с клиентами (юристы)
Анализ рекламных кампаний, шаблонные посты в соцсети (маркетологи)
Удаление фона с изображений (дизайнеры)
Всё, что попадает в зелёную зону, стоит смело отдавать ИИ — это высвобождает время для более ценных задач.
🟡 Жёлтая зона (высокое желание + низкая возможность)
Зона надежды:
Хочется делегировать задачу ИИ, но пока технологии не дотягивают.
Примеры:
Анализ экспериментальных данных и настройка дизайна эксперимента (учёные)
Мозговой штурм и стратегия бренда (маркетологи)
Подготовка плана лекций по новой теме (преподаватели)
Что делать?
Следить за развитием технологий, тестировать новые инструменты, экспериментировать. Как только ИИ “вырастет” — люди будут только рады делегировать эти задачи.
🔴 Красная зона (низкое желание + высокая возможность)
Тревожная зона:
ИИ уже умеет делать задачу, но люди НЕ хотят её отдавать.
Примеры:
Написание книг, статей, рассказов (писатели)
Придумывание уникальных слоганов, креатив (маркетологи)
Проверка творческих заданий (преподаватели)
Что делать?
Разработчикам стоит помнить: прямолинейная автоматизация может вызвать протест (вспомним Голливуд и сценаристов).
Для работников это «красный флаг»: здесь важно становиться экспертом и усиливать свои позиции, потому что именно здесь придётся конкурировать с ИИ.
⚪ Белая зона (низкое желание + низкая возможность)
Вне зоны автоматизации:
ИИ пока не умеет — и люди не хотят делегировать.
Примеры:
Встречи с ключевыми клиентами (нужна эмпатия)
Проведение интервью
Ручная отрисовка сложных деталей (дизайнеры)
Индивидуальная работа со студентами, дебаты (преподаватели)
Это ядро профессии, «человеческая крепость» — тут ценность личного участия максимальна.
Важное наблюдение: где ИИ реально полезен, а где — вызывает напряжение
Когда смотришь на матрицу, становится очевидно: ИИ уже отлично справляется с рутинными и аналитическими задачами.
Но там, где важны общение, сочувствие, гибкость — то есть коммуникативные и организационные навыки — ИИ всё ещё бессилен.
Есть и интересный парадокс.
Анализ инвестиций в ИИ показал: в каких зонах активно развивается YC‑стартапы (это компании, которые прошли через Y Combinator (YC) — один из самых известных и влиятельных бизнес‑акселераторов в мире). Обнаружили, что усилия 41% компаний принадлежат к зонам «Low Priority» и «Red Light», то есть занимаются темами автоматизациями, которые либо не желательны работниками, либо не являются приоритетными с точки зрения потенциала ИИ.
Получается парадокс: инструменты, которые могли бы избавить людей от рутины, или не разрабатываются или появляются слишком медленно.
Зато активно пытаются автоматизировать то, что людям по‑настоящему важно и дорого.
Отсюда и возникает напряжение — ощущение, что ИИ не помощник, а угроза.
Вот адаптация этого фрагмента для Хабра — с подзаголовком, списком и короткими акцентами:
Как использовать матрицу в реальной жизни
Эта матрица полезна не только разработчикам (чтобы понять реальные потребности людей), но и каждому профессионалу.
Суть проста: разделите свои задачи на четыре зоны. Для этого я сделала отдельный инструмент (о нём — в конце статьи), но основная логика вот какая:
Всё, что в зелёной зоне — можно и нужно уже сейчас смело отдавать ИИ. Это высвобождает время и силы для развития.
Жёлтая зона — не стоит уделять этим задачам слишком много внимания, но полезно следить за появлением новых ИИ‑сервисов. Решения могут появиться очень скоро.
Белая зона — это ваши «человеческие» задачи, которые ИИ в ближайшее время точно не заберёт. Развивайтесь в них планомерно, но не тратьте на них все ресурсы. Здесь важны эмпатия, лидерство, нетворкинг.
Красная зона — это главная точка фокуса! Эти задачи ИИ уже умеет делать. Здесь важно либо стать незаменимым экспертом (чтобы конкурировать с ИИ), либо постепенно переключать усилия на другие зоны — чаще всего на «белую».
Важно:
Матрица — не волшебная палочка и не «лекарство от всего». Это инструмент, который помогает со стороны взглянуть на свою профессию и понять, куда стоит направлять внимание и ресурсы прямо сейчас.
Вот как этот пример можно оформить для Хабра — с подзаголовком, списком и логичными акцентами:
Примеры
Рассмотрим, как выглядит такая матрица на практике — на примере маркетолога.
Зелёная зона:
Автоматическая генерация A/B‑заголовков для тестирования
Сбор статистики в таблицы
Анализ цен конкурентов
Все эти задачи ИИ уже умеет выполнять, и сам специалист рад их делегировать — это экономит время для более важных вещей.
Жёлтая зона:
Креативные концепты кампаний
Разработка стратегий на год вперёд
Здесь маркетолог с радостью бы делегировал эти задачи хотя бы частично, но ИИ пока не справляется полностью. Следим за новинками — решения могут появиться скоро.
Красная зона:
Написание эмоциональных текстов
Креативы для рекламы
Любая творческая работа
ИИ уже умеет делать это технически, но маркетолог не хочет с этим расставаться. Значит, выбор простой: или стать мастером в этих задачах (и превосходить ИИ), или понемногу переключаться на другие направления.
Белая зона:
Питчинг идей клиенту
Ведение переговоров, где важна харизма и уверенность
Здесь ИИ пока бессилен, а настоящая ценность — в человеческих качествах и опыте.
Вывод:
Если маркетолог выработает уникальный стиль (например, написание узнаваемых слоганов), то именно в этом ИИ его не заменит. На такие навыки и стоит делать ставку, если хочется остаться востребованным. И, конечно, развивать коммуникацию и гибкость.
Ещё пример: матрица задач для учителя
Зелёная зона:
Проверка тестов
Составление расписания
Создание учебных листов
Эти задачи ИИ уже может выполнять, и учителю можно смело их делегировать — чтобы разгрузить свой график и сосредоточиться на главном.
Жёлтая зона:
Разработка VR‑уроков
Индивидуальные образовательные траектории для учеников
Пока ИИ не справляется с этим, но учитель бы с радостью отдал эти задачи — стоит следить за появлением новых инструментов.
Красная зона:
Оценка творческих работ
Проведение лекций, где важна индивидуальная подача, «голос» преподавателя
ИИ технически уже кое‑что умеет (например, создавать видео‑ и голосовых аватаров), но для учителя здесь особенно важна личная вовлечённость и индивидуальный стиль. Это «красная зона» — или становись мастером, или готовься к переменам.
Белая зона:
Общение с учеником
Мотивация
Разговор «по душам»
Здесь искусственный интеллект бессилен. И, возможно, это к лучшему — ведь именно в этом и есть человеческая суть профессии.
ВАЖНО:
Когда вы попробуете разложить свои задачи по этой матрице, результат может сначала расстроить или удивить, а может — наоборот, вдохновить. В любом случае это отличная точка для переосмысления и планирования профессионального развития.
Telegram-бот для вашей персональной матрицы
Чтобы вы могли протестировать подход на себе, сделала простой инструмент — Telegram‑бот »матрица профессии»
Как это работает:
Переходите по ссылке и запускаете бота.
Указываете свою профессию.
Выписываете 10–15 реальных задач, с которыми сталкиваетесь на работе.
Для каждой задачи отмечаете: хотите ли вы отдать её ИИ, или предпочитаете оставить себе.
Сервис автоматически сопоставит ваши желания с реальными возможностями ИИ — и по
Важно!
Возможности ИИ постоянно растут, поэтому распределение по зонам — это только ориентир.
Сервис не выдаёт абсолютную истину, а помогает взглянуть на свою профессию со стороны и подумать о развитии.
Кстати, исследователи из Стэнфорда скоро откроют доступ к своей базе данных и инструменту визуализации (дам ссылку, как только она появится).
Третье открытие: навыки будущего — что действительно станет ценным
Какие навыки останутся востребованными, когда ИИ возьмёт на себя всё больше задач?
Исследователи сопоставили все задачи из своей базы с конкретными профессиональными навыками — например, «анализ данных», «координация команд», «общение с клиентами» и т. д.
А потом посмотрели:
Какие навыки чаще всего встречаются в задачах, где человеческое участие обязательно
А какие — наоборот — уже уверенно делегируются ИИ
Вот к чему они пришли:
Ценность «жёстких» аналитических навыков падает.
Ещё недавно умение работать с данными и таблицами было ключевым и высокооплачиваемым. Но именно такие задачи проще всего отдать ИИ, поэтому спрос на них будет постепенно снижаться.Роль «мягких» (гибких) навыков быстро растёт.
Умение общаться, координировать других, работать в команде, распределять ресурсы — всё это по‑прежнему требует человека. Пока такие навыки оплачиваются ниже, чем «аналитика», но в будущем они могут стать самыми ценными на рынке.Нет одного «главного» навыка.
Самые «человеческие» задачи требуют широкий набор умений и гибкости. Сейчас важнее быть не узким специалистом, а адаптивным человеком, способным быстро учиться и взаимодействовать с разными людьми.
Что делать?
Не стоит бояться ИИ — стоит осваивать то, в чём он нас не перепрыгнет(надеюсь):
эмпатию,
креативность,
вдохновение,
лидерство.
Это и есть настоящая «дорожная карта» развития.
Мой YouTube‑канал https://www.youtube.com/@Web3nity
Мой тг: https://t.me/web3nity_channel
