— Как должна выглядеть эффективная модель «человек плюс ИИ»? Какие задачи передавать нейросети?

— Для меня эффективная работа с ИИ начинается с двух вопросов: что я хочу получить и как буду проверять результат. От этого зависит, какую часть работы можно передать помощнику и сколько самостоятельности ему дать.

ИИ можно поручать сбор и сопоставление информации, разбор документов, подготовку текстов, обработку данных, поиск вариантов решения. Он полезен и в сложных задачах: например, можно попросить его найти слабые места в предложенном плане или посмотреть на проблему с другой стороны. Но ему нужно объяснить контекст: для кого мы работаем, что уже пробовали, какие ограничения должны учесть.

За человеком остаются определение цели, профессиональная оценка и ответственность за итог. При этом проверка должна соответствовать задаче. Черновик внутреннего письма и расчёт, на основе которого компания принимает существенное решение, требуют разного внимания.

Я бы начинал со знакомых задач, в которых проверить результат проще, чем выполнить всю работу самостоятельно. Так постепенно появляется понимание возможностей помощника. Для меня это и есть модель второго пилота: ИИ позволяет сделать больше, а собственные знания помогают правильно распорядиться его работой.

— В каких профессиях такая модель уже востребована?

— Такая модель особенно полезна там, где значительная часть работы связана с информацией: документами, текстами, данными и коммуникациями. При этом в каждой профессии она будет устроена по-своему.

В разработке ИИ помогает написать код, подготовить тесты, разобраться в существующем проекте. Разработчик проверяет, соответствует ли решение задаче и как оно повлияет на остальную систему.

В финансах помощнику можно поручить сопоставление отчётов, поиск расхождений и подготовку расчётов с проверяемыми формулами. Финансист оценивает исходные данные и экономический смысл выводов. В юриспруденции похожая логика: ИИ сравнивает версии договора и выделяет изменения, юрист определяет, какие из них существенны и какие последствия они создают.

В маркетинге ИИ помогает разбирать исследования и готовить варианты материалов, а специалист выбирает гипотезы и проверяет их на аудитории. В продажах помощник может собрать информацию для встречи и подготовить проект предложения. Сотрудник уточняет потребности клиента и ведёт переговоры.

В Альфа Капитал сотрудники уже используют корпоративную нейросетевую платформу для подготовки текстов, работы с документами и разбора встреч. На мой взгляд, именно такое повседневное применение постепенно меняет привычный способ работы специалистов.

— Кто ставит задачу ИИ, проверяет результат, исправляет ошибки и отвечает за решение?

— У задачи должен оставаться конкретный ответственный сотрудник. Он определяет нужный результат, передаёт исходные материалы и объясняет ограничения. Для сложной работы я бы советовал сначала обсудить с ИИ план: так проще заметить, что помощник неверно понял задачу, до того как он подготовит большой объём материалов.

Проверять нужно конкретные вещи. В расчётах — исходные данные и формулы. В аналитике — источники и обоснованность вывода. В итогах встречи — действительно ли участники приняли указанные решения и договорились о сроках. Красиво оформленный документ сам по себе ничего не говорит о его достоверности.

Исправление ошибок тоже можно поручать ИИ. Но сотруднику нужно убедиться, что проблема устранена: иногда помощник меняет формулировку, сохраняя ошибочную логику. Для существенных решений может потребоваться дополнительная проверка профильного специалиста.

В повторяющихся, хорошо отлаженных процессах часть действий можно выполнять автоматически. Тогда заранее определяются правила, контроль качества и ситуации, в которых требуется участие человека. Руководителю важно организовать этот процесс так, чтобы было понятно, кто принимает результат и отвечает за дальнейшие действия.

— Какие навыки нужны сотруднику, как измерять эффективность и чего ждать от производительности и зарплат в 2027 году?

— Я бы выделил сочетание профессиональных знаний, ясной постановки задач и критического мышления. Нужно уметь объяснить, что требуется, передать достаточный контекст и понять, можно ли доверять полученному результату. Знание своей профессии здесь особенно важно: без него легко принять убедительный ответ за правильный.

По мере освоения ИИ добавляется умение организовать весь процесс. Например, связать сбор данных, их обработку и подготовку отчёта так, чтобы каждую неделю не повторять одни и те же действия вручную. Для этого полезно понимать, как устроены данные и рабочие инструменты, где возникают ошибки и что необходимо проверять.

Эффективность я бы измерял от начала задачи до принятого результата, включая время на постановку, проверку и исправления. Стоит сравнивать задачи сопоставимой сложности и смотреть одновременно на скорость, качество и количество доработок. Если сотрудник быстрее подготовил материал, но коллеги потратили больше времени на его исправление, общий выигрыш может исчезнуть.

При этом экономия времени — только один возможный эффект. С ИИ специалист может проверить больше гипотез, глубже разобраться в материалах или взять задачу, до которой раньше не доходили руки. Это тоже нужно учитывать при оценке результата.

Думаю, в 2027 году такая модель станет привычной для всё большего числа специалистов. Единого процента роста производительности или зарплаты я бы не называл: слишком многое зависит от конкретной работы. Возможность зарабатывать больше появится там, где сотрудник сумеет превратить возможности ИИ в понятную пользу для работодателя — более качественный результат, дополнительные продажи или снижение затрат.