AI-автоматизация не создаёт новый тренд, а делает существующий более очевидным.
Аналитик Financial Times Джон Бёрн-Мёрдок собрал старую и новую статистику по зарплатам и трудоустройству в США за несколько десятилетий. Данные (их собирают при Минтруда, они охватывают более 900 профессий) показывают устойчивый паттерн: наличие развитых социальных навыков (командная работа, коммуникация, умение договариваться) коррелирует с более высокой востребованностью — трудоустройством и уровнем компенсации — на рынке труда, чем глубокие специализированные знания, например, в математике или программировании.
Ключевые наблюдения из анализа:
Премия за знание высшей математики снижается для всех типов позиций — как низкооплачиваемых, так и высокооплачиваемых;
Премия за социальные навыки растёт, особенно для топовых должностей;
Тренд существует давно, но AI-инструменты делают его более заметным.
Технические навыки не перестали быть важными. Скорее, они становятся базовым требованием, а не конкурентным преимуществом. Количественную работу можно автоматизировать — перелопатить десятки pull request, пофиксить сотни багов, обработать массивы данных. А понять, что нужно бизнесу, согласовать решение с командой, убедить клиента — автоматизировать это пока сложнее.
Посыл исследования расходится с устоявшимся в tech-индустрии восприятием, где инженерный талант традиционно стоит выше менеджерских навыков. Комментарии под статьёй FT иллюстрируют этот коупинг: «социальные навыки это умение лизать жопу?», «удалите из выборки госслужащих и давайте взглянем ещё раз», «на перевес повлиял OnlyFans».
Но данные — упрямая вещь. Даже в медицине врачи с прокачанными социальными скиллами имеют лучшие результаты лечения. В бизнесе те, кто умеет работать в команде, создают больше ценности, чем одиночки-гении. AI просто делает этот паттерн более очевидным, автоматизируя части работы, которые раньше требовали специализированных технических знаний.
Недавнее исследование в Science обнаружило смежный, перекликающийся паттерн. Изучив данные 34 тысяч топ-перформеров в разных областях, авторы обнаружили:
Мировые лидеры на ранних стадиях были спецами широкого профиля (универсалами), то есть пробовали развиваться в разных смежных областях, а не решали сразу стать спецами только в одной;
Пока юные спецы быстро обучались в своей конкретной области, у универсалов на первых этапах прогресс шёл медленнее;
Но ранние гении-спецы с меньшей вероятностью становились лидерами в зрелом возрасте.
Успехи универсалов связывают с развитой способностью учиться любому новому в разных областях, хеджированию рисков выбора неперспективной специальности на старте и постоянном тестировании применимости своих талантов. Главное: этот паттерн оказался так же универсально применим — от учёных до спортсменов и госслужащих.
Автор статьи FT под заголовком «How to AI-proof your job» завершает позитивным риторическим вопросом к технарям: вам нравилось именно писать код или копаться в табличках как самоцель? Или нравился результат — создание работающего продукта, обнаружение смысла среди хаоса?
Роль создания смысла становится более ценной, когда задачу упорядочить хаос можно частично делегировать AI. Думаю, что это может быть неплохим ответом на вопрос из заголовка.
Скрытый текст
Такие посты чаще выходят у меня в Telegram-канале, где в основном пишу про AI и его применение. Что? Сам раскрыл этот спойлер.
