Если ИИ выполняет работу новичков, откуда возьмутся опытные специалисты?
Когда искусственный интеллект берёт на себя работу начинающих аналитиков, юристов, экономистов и инженеров, бизнес выигрывает время. Но где тогда будущие эксперты научатся профессиональному суждению? Исследования 2026 года показывают: ответ зависит от того, как организация перестроит работу и наставничество.
Содержание статьи
Почему исчезновение стартовых задач — управленческая проблема
Компания передала ИИ подготовку отчётов, типовых договоров, первичный анализ заявок и черновики технических заданий. Сотрудники стали быстрее получать готовый материал. Но именно на таких задачах вчерашние выпускники раньше учились замечать закономерности, задавать уточняющие вопросы и отвечать за качество.
Если начинающий специалист видит только готовый ответ, он может быстрее выполнить поручение, но не обязательно научится самостоятельно разбирать сложную ситуацию. Для бизнеса это риск будущего кадрового резерва, а для государства — качества подготовки специалистов, которым предстоит принимать решения.
Это не аргумент против ИИ. Это аргумент против автоматизации без изменения системы наставничества и оценки компетенций.
Что действительно показывают исследования 2026 года
Stanford, 7 октября 2026 года: ИИ способен расширять возможности новичков
Исследователи Stanford Digital Economy Lab опубликовали рабочую статью об эксперименте с 673 учащимися выпускных курсов ИТ-программ в 12 профессиональных школах Германии. Доступ к генеративному ИИ назначался случайным образом. Для заданий за пределами формальной программы обучения прирост результативности составил 26–31 процентный пункт. Снижения непосредственного понимания заданий исследователи не обнаружили. Первичная публикация Stanford.
Ограничение: эксперимент касается конкретной группы учащихся и краткосрочных результатов. Он не доказывает, что ИИ автоматически улучшает долгосрочное профессиональное становление или применим с тем же эффектом в российских организациях.
World Economic Forum, 22 июня 2026 года: карьерные траектории требуют перестройки
Доклад WEF, подготовленный совместно с PwC, выделяет четыре направления действий: доступ к первой работе, содержание начальных должностей, кадровые траектории и согласование с системой образования. Это рамка управленческих решений, а не доказательство массового исчезновения стартовых вакансий. Доклад WEF.
PwC, 15 июня 2026 года: от новичков всё чаще ожидают зрелых навыков
В глобальном барометре PwC на основе более миллиарда объявлений о вакансиях отмечено: среди изученных начальных вакансий в США позиции с высокой подверженностью влиянию ИИ в семь раз чаще требуют навыков, традиционно ассоциируемых со старшими ролями, например лидерства и профессионального суждения. Это характеристика вакансий в исследуемой выборке, не универсальная статистика российского рынка труда. Первичный отчёт PwC.
Два сценария для организации
Сценарий А. Быстрее, но без обучения
Новичок получает задание, ИИ выдаёт ответ, руководитель принимает результат. Ошибки исправляет старший сотрудник. Навыки проверки, поиска оснований и разбора исключений могут не сформироваться.
Риск: зависимость от подсказок и перегрузка опытных специалистов.
Сценарий Б. ИИ как тренажёр
Новичок формулирует гипотезу, использует ИИ, проверяет источники, объясняет выбор и обсуждает исключения с наставником. Сложность заданий постепенно растёт.
Цель: ускорение работы вместе с ростом самостоятельности.
Выбор между этими сценариями делает не модель ИИ, а руководитель, который проектирует работу и обучение.
Как проблема проявляется в бизнесе и госсекторе
Промышленное предприятие
Младший инженер получает от ИИ предварительный перечень причин неисправности. Обучение не заканчивается чтением списка: он должен объяснить, какие измерения подтверждают каждую гипотезу, какие проверки безопасны и когда нужно передать вопрос старшему специалисту. Окончательное техническое решение принимается уполномоченным человеком.
Юридическая служба
ИИ составляет сравнительную таблицу договоров. Начинающий юрист проверяет ссылки на нормы, выявляет исключения и объясняет, почему формально похожие условия могут иметь разные последствия.
HR и кадровый резерв
ИИ формирует первичный анализ компетенций кандидата. HR-специалист проверяет критерии, отсутствие необоснованных выводов и соответствие правилам обработки персональных данных. Решение о человеке не передаётся автоматически цифровому исполнителю.
Государственный и муниципальный сектор
ИИ помогает составить черновик ответа на обращение. Молодой специалист обязан установить компетенцию органа, проверить нормативное основание, сроки, факты и допустимость использования данных. Подписывает и утверждает документ ответственное должностное лицо.
НУМ: как соединить человеческий и цифровой контуры
В Новой управленческой модели (НУМ) важно не просто распределить задачи между человеком и ИИ, а спроектировать архитектуру управления, в которой результат работы цифрового контура одновременно помогает развивать человеческий.
варианты и анализ
проверка и объяснение
обратная связь и решение
Если организация уже ведёт цифровое штатное расписание, полезно рядом с цифровыми ролями учитывать и то, какие человеческие навыки эти роли могут вытеснить из ежедневной практики. Для отдельных ИИ-агентов ограничения, полномочия и точки человеческого контроля фиксируются в цифровом мандате.
В этой логике пространство интеллектов — не только совместное выполнение задач людьми и цифровыми помощниками, но и среда, где организация сохраняет способность воспроизводить экспертность.
Инструмент: Карта воспроизводства компетенций
«Карта воспроизводства компетенций НУМ» — предлагаемый авторский управленческий инструмент. Это не государственный стандарт и не валидированная психометрическая методика. Его задача — сделать скрытый риск видимым.
| Стартовая задача | Что делает ИИ | Какой навык раньше формировался | Новый учебный шаг | Как проверить освоение |
|---|---|---|---|---|
| Подготовка отчёта | Собирает черновик | Выбор показателей и причинный анализ | Объяснить отклонения и проверить данные | Разбор незнакомого кейса |
| Типовой договор | Сравнивает условия | Поиск рисков и исключений | Обосновать замечания по нормам | Проверка договора с намеренной ошибкой |
| Первичный подбор | Готовит сводку | Оценка фактов и критериев | Проверить критерии и выводы | Аргументированное решение без автоматической оценки |
| Техническая заявка | Предлагает гипотезы | Диагностика и приоритизация | Выбрать безопасный план проверки | Сценарий с нестандартной неисправностью |
Как пользоваться: выберите одну должность, перечислите 5–7 повторяющихся задач, отметьте, что уже автоматизировано, и заполните два последних столбца вместе с наставником. Пересматривайте карту после каждого существенного изменения цифрового контура.
Семь вопросов для диагностики
Ответьте «да», «частично» или «нет» на семь вопросов. Это экспресс-проверка для обсуждения, а не сертификация.
- Знаем ли мы, на каких стартовых задачах раньше учились новые сотрудники?
- Понимаем ли, какие из этих задач уже выполняет ИИ?
- Есть ли у новичка обязанность объяснить и проверить результат ИИ?
- Предусмотрены ли задания с ошибками, исключениями и неполными данными?
- Назначен ли наставник с понятным временем на обратную связь?
- Проверяем ли самостоятельность сотрудника, а не только скорость?
- Понимаем ли, какие навыки нужны для следующей должности?
План действий на 30 дней
| Период | Действие | Проверяемый результат |
|---|---|---|
| Неделя 1 | Выбрать роль, описать задачи и текущую автоматизацию | Черновик карты компетенций |
| Неделя 2 | Спроектировать режим «новичок + ИИ + наставник» | Учебные задания и критерии качества |
| Неделя 3 | Провести практику на типовых и нестандартных кейсах | Журнал ошибок и обратной связи |
| Неделя 4 | Проверить самостоятельное объяснение и качество решений | Решение о расширении или доработке программы |
Измеряйте отдельно скорость выполнения, качество результата и самостоятельность специалиста. Рост первого показателя при отсутствии двух других — сигнал пересмотреть программу обучения.
Руководителю важно не допустить ситуации, когда компания экономит часы на стартовых задачах, но теряет способность готовить будущих экспертов и управленцев. Это продолжает нашу тему производительности труда с ИИ: оценивать нужно не отдельную операцию, а устойчивость организации.
Частые вопросы
ИИ действительно лишает молодых сотрудников возможности учиться?
Не обязательно. Риск возникает, если компания автоматизирует стартовые задачи, но не создаёт новых способов освоить профессиональную логику. Эксперимент Stanford 2026 года показал, что ИИ может расширять доступные учащимся задачи без ухудшения их непосредственного понимания; долгосрочное развитие навыков он не измерял.
Нужно ли запрещать новичкам использовать ИИ?
Как правило, полезнее проектировать учебные режимы: сначала самостоятельная гипотеза, затем работа с ИИ, проверка, объяснение ошибок и обсуждение с наставником. Ограничения зависят от данных, отрасли и риска задачи.
Как измерить, растёт ли компетентность, а не только скорость?
Проверяйте способность сотрудника объяснить решение, обнаружить ошибку, выполнить часть задания без ИИ, разобраться в нестандартном случае и корректно передать результат следующему участнику процесса.
Кто отвечает за ошибку ИИ в работе новичка?
Ответственность определяется организационными полномочиями и применимыми нормами. Внутри процесса нужно назначить проверяющего и владельца решения, а также закрепить условия обязательного согласования.
Подходит ли подход государственным и муниципальным органам?
Да, как организационный принцип обучения: работа с обезличенными или разрешёнными данными, проверка правовых оснований, наставничество, фиксация ответственного должностного лица и запрет на автоматическую подмену официального решения.
Что делать, если у компании нет бюджета на масштабную программу?
Начните с одной должности, трёх типовых задач, одного наставника и четырёх недель измерений. Это позволит оценить пользу до расширения проекта.
Источники и материалы по теме
- Stanford Digital Economy Lab, 7 октября 2026. Task Expansion with Generative AI — эксперимент, 673 учащихся, рабочая статья.
- World Economic Forum, 22 июня 2026. Artificial Intelligence and the Future of Entry-Level Work — рамка перестройки карьерных траекторий.
- PwC, 15 июня 2026. Global AI Jobs Barometer — анализ вакансий и требований к навыкам.
Все три исследования относятся к зарубежным выборкам. Выводы о применении подхода в российских компаниях и органах власти являются управленческими рекомендациями авторов, а не результатами этих исследований.