Работа в эпоху ИИ

Организации будут стремится наращивать доход на сотрудника, оптимизируя штат с помощью ИИ повышая свой ROI.

В каких компаниях самый высокий доход на сотрудника

Эффективность (обычно считается через ROI) → Рост и Изменения (новые метрики такие как: Learning Velocity; Кол-во инновация на кв. м.; ур. адаптивности к изменениям).

Промышленная революция заменила ручной труд. Интеллектуальная революция заменит всех.

Нам нужно сосредоточиться на переосмыслении того что мы делаем, а не на оптимизации нашего труда.

Срок годности навыков сокращается. Сейчас каждые ±2.5 года нужно качать новые навыки (я качал раньше настройку контекстной рекламы → щас ИИ сам ищет ЦА в PPC; изучал сборку LP в NoCode → щас ИИ сам собирает LP по всем правилам AIDA / PMPHL).

Программирование умрет. В смысле что "писать код" больше не придется. Писать код → говорить ИИ так/не так (администрировать). Но и это быстро закончится, т.к. истинная цель крупных разработчиков ИИ (OpenAI, Anthropic, Google и др.) — чтобы ИИ сам себя программировал (развивал), иначе инвестиции в эти компании никогда не окупят инвесторов.

Есть навыки которые мы понимаем, что нужно развивать, но также мы должны понимать, что они утратят свою актуальность со временем. И это будет повторяться стабильно раз в 1-2 года.

Нам нужно перейти к другой модели:

быстрое приобретение навыков
быстрое использование навыков (realtime / Learning by doing)

Адаптивность — ключевой Soft skill 21 века.

LLM = commodities. Микро-данные для RAG — новое УТП. Насколько быстро вы, как компания, сможете добывать для себя микро-данные (размечать → обрабатывать → персонализировать опыт работы с клиентами), настолько быстро будут расти ваши метрики, как следствие улучшения UX. Вопрос выжевания.

Ценность знаний стремится к 0
Ценность собственных знаний растет

Почему? - LLM обучены на 99% из общих доступных знаний.

скорость внедрения технологий как в организацию, так и на личном уровне
кол-во созданных прототипов за ед. времени (ИИ ускоряет тест гипотез)
Employee learning velocity (скорость обучения работы персонала с ИИ)
User Adoption & Engagement scores (Принятие и вовлечение пользователей в ИИ помощников)
Decision accuracy (как быстро принимаем решение на данных)
Time to Pivot (как быстро мы меняем модель)
Insight Quality Index (IQI) (ур. качества полученных инсайтов)
Human/AI co-lab effectiveness (на сколько эффективно юзеры пользуют ИИ)