Давайте проясним некоторые моменты:
Да, ИИ впечатляет. Он кодирует, пишет, анализирует и проводит исследования на уровне PhD. Он помогает разработчикам писать более чистый код, маркетологам генерировать бесконечное количество вариаций контента, а аналитикам анализировать данные с новым пониманием и масштабом. Но если вы с тревогой обновляете LinkedIn в ожидании, что GPT-5 отнимет у вас должность — вы смотрите не в том направлении. Вам не стоит беспокоиться об ИИ. Вам стоит беспокоиться об “айтих”.
Вы знаете, о ком речь:
О тех, кто не помнит жизнь до автозаполнения. О тех, кто спрашивает у ChatGPT учебные пособия и затем вводит результаты в Notion, автоматически помечая и обобщая. О тех, кто выпустился во время пандемии, самостоятельно научился писать запросы, как профессионалы, и теперь рассматривает GPT и ИИ-ассистентов как просто еще одну вкладку в браузере. Они заканчивают учебу, проходят адаптацию и начинают разворачивать код быстрее, чем вы успеете назначить встречу для запуска проекта. Они не учат ИИ — они думают вместе с ним.
И вот что неудобно:
Поведенческие науки это подтверждают. Десятилетия исследований — от изучения грамотности до когнитивной психологии — говорят нам одно и то же. Учеба становится сложнее с возрастом. Нейропластичность снижается. Сопротивление изменениям привычек возрастает. Если коротко: это не ваша вина, что вы не осваиваете каждый новый ИИ-инструмент. Но это ваша проблема.
Большинство из нас не ненавидит перемены:
Мы ненавидим усилия, которые они требуют. Изменение инструментов и рабочих процессов требует времени, а времени катастрофически не хватает, когда вы имеете дело с устаревшими системами, корпоративными формальностями или просто пытаетесь завершить следующий спринт. Тем временем “айтихи” итерируют. Они создают целые MVP с двумя людьми и набором ИИ-инструментов. Им не нужно знать все — им нужно знать, как задать правильный вопрос.
Давайте сосредоточимся на разработке программного обеспечения:
Недавно Google заявил, что ИИ помогает генерировать около 20% его кода. Остановитесь на этом. Одна из пяти строк — написана или с помощью машины. Это не рекламные обещания. Это инфраструктура. Дело не в незначительном увеличении эффективности — это основополагающий сдвиг. Тем не менее, многие старшие инженеры в устаревших компаниях все еще присматривают за старым кодом, скептически относятся к Copilot или слишком погружены в задачи Jira, чтобы искать новые способы работы.
Вот что важно:
ИИ не нуждается в том, чтобы вы нагоняли упущенное. Ему просто нужен кто-то, кто знает, как им пользоваться. Дайте младшему инженеру, обученному работе с инструментами ИИ, доступ к вашей устаревшей системе, и он оптимизирует, изменит и развернет её до следующей встречи. Почему? Потому что они не обременены священными коровами “как это всегда делалось”. Они не считают ИИ необязательным — они видят его как базовый инструмент. Так же, как вы не сомневаетесь в использовании Google Docs вместо печатной машинки.
Они используют такие инструменты, как:
- Codeium
- Replit
- Cursor
- А также специализированные обученные LLM для автодокументирования, автоматического тестирования, автоматического развертывания и даже для предложений по архитектурным изменениям.
Они не боятся сломать что-то. Они предполагают, что все можно исправить — особенно когда ИИ-ассистент держит им спину. Они также не зацикливаются на обычных “но” — вы знаете, на оправданиях, чтобы не погружаться в ИИ: он не с открытым исходным кодом, он не работает на нашем бэкенде, он вызывает галлюцинации, он слишком нов, слишком рискован, слишком непроверен. Конечно, эти опасения обоснованны. Но ни одно из них не является критическим. И “айтихи” это знают. Они не видят преград; они видят альтернативные пути.
Этот паттерн не уникален для софта:
Он проявляется в каждой сфере, основанной на знаниях. В маркетинге “айтихи” используют генеративные инструменты для создания персонализированного контента в большом масштабе, проводя A/B-тесты быстрее и адаптируясь к сигналам в реальном времени. В праве они используют ИИ для составления контрактов, расшифровки регуляторных документов и подготовки кратких отчетов по делам с помощью нескольких разумных запросов. В медицине новые врачи учатся сверять диагнозы с LLM, обученными на актуальной медицинской литературе. Даже в финансах младшие аналитики автоматизируют повторяющиеся модели и ускоряют исследовательские циклы с помощью ИИ.
Инструменты ИИ переопределяют ценность экспертизы:
Институциональные знания раньше были вашей стеной. Теперь это то, что замедляет вас. Опыт по-прежнему важен — но только в сочетании с адаптацией. Знать, как все работало раньше, уже недостаточно. Вам нужно понимать, как все может работать сейчас. Конкурентное преимущество сдвинулось от накопленных знаний к гибкости интеграции новых инструментов.
Хотя большинство разговоров о ИИ сосредоточены на утрате рабочих мест, правда сложнее:
Мы не движемся к апокалипсису ИИ. Мы входим в фазу ускоренного перераспределения — где те, кто умеет использовать ИИ, превосходят тех, кто не умеет. Где маленькие команды с правильным набором технологий outperform большие команды, работающие на инерции. Это не ИИ, заменяющий рабочие места. Это соображающие ИИ люди, делающие работу пятерых.
Таким образом, если вы беспокоитесь о том, что ИИ займет вашу работу, вы уже на несколько шагов позади:
Настоящая угроза? Выпускник поколения Z, который пишет запросы во сне, создает собственные GPT для развлечения, строит автоматизации по выходным и не помнит, как работал без дюжины ИИ-инструментов в системе. Ваша единственная защита сейчас состоит в том, что большинство из них все еще не умеют работать с ПК на Windows.
Это не человек против машины:
Это старые привычки против нового преимущества. И в данный момент преимущество накапливается — быстро. Пропасть между теми, кто использует ИИ, и теми, кто не использует, не просто расширяется. Она становится бездной.
Айтихи не ждут:
Они строят, оптимизируют и запускают.
