При обучении работе с ИИ я не раз наблюдала одну и ту же сцену. Два сильных сотрудника получают одинаковый инструмент. Через неделю один показывает симпатичную презентацию и говорит: «Ну да, иногда помогает». Второй успевает пересобрать процесс, сделать рабочий прототип и приходит с вопросом, как безопасно подключить еще два источника данных. Минимально жизнеспособный продукт — тот самый MVP, — но уже работает.

Разница не в модели, подписке или опыте работы. Один увидел в ИИ улучшенный поиск. Другой — новую рабочую среду.

Сначала ИИ действительно сокращает разрыв. В исследовании Национального бюро экономических исследований США на данных 5 179 специалистов клиентской поддержки был сделан вывод, что средняя производительность с ИИ-помощником выросла на 14%, а у новичков и менее опытных сотрудников — на 34%. Модель передавала им рабочие приемы лучших коллег и помогала быстрее пройти часть кривой обучения. Это отличная новость: доступ к накопленной экспертизе становится дешевле.

Но затем разрыв может снова вырасти — уже иным образом.

Получив быстрый доступ к знаниям, один сотрудник остановится на первом адекватном ответе. Другой проверит предпосылки, добавит контекст, попросит альтернативу, соединит результат с данными и изменит сам процесс. ИИ усиливает не только интеллект. Он усиливает привычный способ действовать. Если главным ограничением становится человек, более сильная модель сама по себе это не исправит.

Поэтому выиграют не обязательно самые технические. Существуют как минимум четыре качества, которые будут важнее умения написать «идеальный промпт».

Первое — профессиональная насмотренность. Чтобы отличить сильный результат от правдоподобной ерунды, нужно иметь доменную экспертизу. ИИ снижает стоимость создания ответа, но не отменяет стоимость суждения.

Второе — агентность: способность самому увидеть проблему и начать действовать, не дожидаясь подробной инструкции. Сотрудник с высокой агентностью воспринимает ИИ как дополнительную команду и ресурс. С низкой — как еще одну программу, которую компания зачем-то установила.

Третье — любопытство. Пока одни сотрудники ждут конкретных примеров и указаний, как применять технологии, и подсматривают опыт у коллег, другие начинают проверять маленькие гипотезы.

Четвертое — интеллектуальная честность. Способность сказать: «я не знаю», «этого источника недостаточно», «результат красивый, но бизнес-логика не сходится». На фоне бесконечного потока гладких текстов здоровое сомнение станет не занудством, а конкурентным преимуществом.

Рынок уже посылает тот же сигнал. По оценке Всемирного экономического форума, к 2030 году изменятся 39% ключевых навыков работников. Быстрее всего растет спрос на навыки работы с ИИ и данными, но рядом остаются креативное мышление, гибкость, устойчивость и лидерство. Побеждает не технология отдельно и не «человечность» отдельно, а их связка.

Те, кто ждет готовой инструкции «как правильно пользоваться ИИ», рискуют все время осваивать вчерашний интерфейс. Те, кто умеет учиться через эксперимент, будут перестраиваться вместе с технологией. Да, не все будет получаться сразу. Но несколько рабочих черновиков дадут больше, чем попытка сразу получить идеальный результат.

В ближайшие годы главный разрыв пройдет не между людьми и машинами. Он пройдет между людьми, которые с помощью ИИ становятся более самостоятельными, и людьми, которые постепенно отдают ему собственную субъектность. Инструмент у них может быть один. Авторство результата — уже нет.