Карьера 3.0: Как оставаться востребованным в эпоху ИИ

Марк Тьюрин

Карьера 3.0: Как оставаться востребованным в эпоху ИИ

Рынок покупает не должность, а результат

В 8:47 у Елены остывал кофе, а в рабочем чате операционного блока уже появился знакомый запрос:

— Елена, к десяти нужна сводка по просроченным доставкам за прошлую неделю. По регионам, перевозчикам и причинам. Желательно с выводами.

Она знала этот маршрут почти наизусть. Сначала нужно было собрать данные из нескольких внутренних систем, затем сверить даты, убрать дубли, проверить пропуски, сопоставить план с фактом, разложить отклонения по филиалам и подготовить понятный документ для руководства. В хорошие дни на это уходило два часа. В плохие — четыре: цифры из транспортного отдела не совпадали с данными складов, а один и тот же рейс мог оказаться в двух выгрузках.

К десяти отчёт был готов. Елена отправила его Антону, руководителю операционного блока, и уже собиралась взяться за следующую задачу, когда он позвонил.

— Сводка у меня, — сказал Антон. — Но ответь на один вопрос. Что изменится после того, как я это прочитаю?

Елена посмотрела на экран. В отчёте были данные по восемнадцати регионам, девять таблиц, диаграмма динамики и отдельная страница с расшифровкой причин.

— Вы увидите, где выросла просрочка, — сказала она.

— Это я уже вижу. Что мы сделаем иначе?

— Там есть детализация по перевозчикам. Можно будет проверить, кто не выдерживает график.

— Хорошо. И что дальше?

Елена почувствовала раздражение. Она потратила утро не на случайный файл: проверила цифры, переписала комментарии, несколько раз уточнила расхождения у диспетчеров.

— Отчёт точный, — сказала она. — Все данные выверены. Я убрала ошибки из исходных выгрузок.

— Я не спорю с качеством отчёта. Я спрашиваю, какое решение он помогает принять.

После звонка Елена ещё несколько секунд смотрела на название файла: «Просроченные доставки. Неделя 32». Оно было аккуратным, нейтральным и совершенно ничего не говорило о том, что должно произойти после прочтения.

Во введении мы договорились смотреть на карьеру не как на прямую лестницу должностей, а как на способность создавать ценность при изменении инструментов. Утро Елены показывает, с чего начинается такая смена оптики: с отказа считать готовый документ доказательством результата.

Три ответа на вопрос «за что вам платят?»

У этого вопроса есть три разных ответа, и большинство карьерных ошибок начинается с того, что их смешивают.

Первый ответ — роль. Елена была руководителем аналитики. В этой роли она отвечала за данные, отчётность, контроль показателей и поддержку операционных руководителей. Название должности обозначало область ответственности, но не объясняло, что именно меняется благодаря её работе.

Второй ответ — задача. Елена собирала данные, очищала таблицы, находила отклонения, готовила презентации и участвовала в совещаниях. Задача описывает действие, которое нужно выполнить. «Подготовить отчёт» — задача. «Проверить причины просрочек» — тоже задача.

Третий ответ — результат. Это изменение, которое произошло в работе компании благодаря действиям сотрудника. Например, руководитель заранее увидел риск срыва поставок, перераспределил машины между направлениями, изменил сменный график склада и избежал накопления задержек. Сам отчёт был лишь одним из инструментов, которые помогли этого добиться.

Карьерой 3.0 мы называем рабочую систему, в которой человек связывает три уровня: роль, результат и развитие. Роль отвечает на вопрос: «За какую область я отвечаю?» Результат — «Что изменилось благодаря моей работе?» Система развития — «Как я регулярно развиваю способность решать более сложные задачи, используя новые инструменты и принимая больше ответственности?»

Сотрудник, который говорит: «Я занимаюсь отчётностью», описывает набор действий. Сотрудник, который говорит: «Я помогаю операционным руководителям раньше замечать риски и выбирать, куда направить ограниченные ресурсы», — описывает результат и контекст. Это не игра с формулировками. В первом случае ИИ легко сравнить с человеком по скорости подготовки документа. Во втором приходится обсуждать качество управленческих решений, понимание бизнеса и цену выбора.

Елена долго доказывала свою ценность количеством выполненной работы. Если она успевала собрать больше данных, быстрее ответить на запрос и подготовить более подробный документ, ей казалось, что её позиция становится крепче. Эта логика работала, пока ручные операции оставались дорогими. Но как только инструмент начинает выполнять их быстрее, объём работы перестаёт быть надёжной защитой.

Карьера 3.0 не требует отказаться от должности, опыта или профессиональной специализации. Она требует перестать воспринимать их как конечный продукт. Должность — это точка входа в зону ответственности. Опыт — накопленный запас контекста. Навыки и инструменты — способы действовать. Рынок же оценивает, насколько всё это превращается в полезное изменение.

Рабочая неделя, в которой исчезает привычная опора

После разговора с Антоном Елена не стала сразу переписывать отчёт. Она открыла календарь за последнюю неделю и выписала всё, чем занималась, по порядку.

В понедельник она собрала показатели по регионам и ответила на шесть уточняющих вопросов в рабочем чате. Во вторник сравнила прогноз нагрузки с фактическим количеством отправлений. В среду участвовала в совещании с руководителями складов: один склад просил дополнительные машины, другой утверждал, что проблема не в транспорте, а в поздней комплектации заказов. В четверг подготовила материалы для встречи с перевозчиками. В пятницу проверила, выполнены ли договорённости, принятые на совещании.

На экране это выглядело как длинная цепочка разрозненных поручений. Но если заменить глаголы, скрытая логика становилась заметной: собрать данные — значит создать общую картину; сравнить прогноз и факт — найти отклонение; проверить причины — отделить симптом от источника проблемы; подготовить материалы — помочь выбрать действие; проверить договорённости — довести решение до исполнения.

Елена увидела, что на отчёт уходила примерно треть её рабочего времени, но через этот документ проходили почти все более сложные действия. Отчёт был видимой частью работы. Невидимой оставались вопросы, которые она задавала, люди, у которых уточняла обстоятельства, и ограничения, которые учитывала, прежде чем предложить решение.

В среду после совещания с операционным блоком ей позвонила Марина, специалист по подбору и развитию персонала в крупной российской компании. Они время от времени обсуждали рынок аналитиков.

— У нас в резюме почти каждый кандидат пишет, что автоматизировал отчётность, — сказала Марина. — Но когда спрашиваешь, какое решение стало приниматься лучше, человек возвращается к списку инструментов: «Собирал данные», «строил отчёты», «настраивал модели». А что изменилось?

Елена усмехнулась:

— Видимо, это теперь главный вопрос.

— Он всегда был главным, — ответила Марина. — Просто раньше его можно было не задавать так прямо.

Вечером дома муж спросил, почему она снова открыла ноутбук после ужина.

— Проверяю отчёт, — сказала Елена.

— Ты же уже его сделала.

Она помолчала.

— Да. Теперь пытаюсь понять, что после него должно произойти.

Фраза прозвучала непривычно даже для неё самой. Раньше работа заканчивалась отправкой файла. Теперь отправка казалась только серединой процесса.

На следующий день компания запустила пилот внутреннего ИИ для работы с операционными данными. Его подключили к ограниченному набору обезличенных выгрузок и типовым шаблонам. Елену попросили проверить, сможет ли система подготовить черновик еженедельной сводки.

Она загрузила данные, указала период и попросила:

«Сравнить фактическую просрочку с планом, выделить регионы с наибольшим отклонением, сгруппировать возможные причины и предложить вопросы для проверки».

Через несколько минут система выдала таблицу, список отклонений и связное объяснение. Она выявила почти все очевидные расхождения, посчитала динамику и даже предложила обратить внимание на два региона, которые Елена обычно проверяла вручную.

Первой реакцией было облегчение. Второй — тревога.

Если система делает за несколько минут то, на что раньше уходило два часа, то какая часть её профессиональной ценности осталась?

Как ИИ разбирает профессию на операции

Профессия редко сводится к одной неделимой функции. Под названием «аналитик», «юрист», «маркетолог», «проектный менеджер» или «руководитель отдела» скрывается набор разных операций. У каждой свои входные данные, правила проверки, цена ошибки и уровень ответственности.

Работа Елены выглядела как подготовка отчёта, но на деле состояла из нескольких последовательных действий. Сначала нужно было получить данные из разных источников, привести их к единому виду и проверить полноту. Затем — сопоставить показатели с планом и прошлым периодом, выявить отклонения, предположить причины и уточнить их у людей, работающих в процессе. И наконец, выбрать отклонения, требующие вмешательства, сформулировать варианты действий и добиться, чтобы решение было принято и выполнено.

ИИ уже быстро справляется с первыми пятью операциями, если источники доступны, а правила понятны. Он может собрать информацию из разрешённых источников, привести записи к единому формату, найти повторяющиеся значения, посчитать отклонения и составить черновой текст. В некоторых процессах он способен подготовить и варианты действий.

Но одинаковая скорость не означает одинаковую ценность. Система может заметить, что в регионе выросло количество просрочек, но не знать, что накануне там изменили порядок приёмки грузов. Она может связать задержки с конкретным перевозчиком, но не понимать, что тот временно закрывает дефицит машин и его замена увеличит общий риск. Она может предложить сократить объём отправок, не учитывая обязательства перед ключевым клиентом.

Человеческая работа начинается там, где данные нужно соединить с обстоятельствами, интересами и последствиями. Именно поэтому ИИ дробит профессию, а не обязательно уничтожает её целиком. Он удешевляет повторяемые фрагменты и одновременно повышает требования к тем, кто формулирует вопрос, проверяет контекст и отвечает за решение.

Елена поняла, что раньше называла «аналитикой» весь процесс сразу. Из-за этого ей было трудно увидеть, какие части работы уже можно передать инструменту, а какие по-прежнему требуют её участия. Профессиональная тревога росла не потому, что ИИ стал выполнять чужую работу. Она возникала из-за того, что границы собственной работы оставались неопределёнными.

Лестница автоматизации

Чтобы не обсуждать автоматизацию на уровне общего страха, удобно разобрать её по четырём уровням. Они показывают не то, «заменит» ли ИИ человека, а то, какую часть действия берёт на себя инструмент.

Первый уровень — шаблон.

На этом уровне заранее определено, какие данные нужны, как их обработать и в каком виде показать результат. Система подставляет значения, считает показатели, обновляет таблицу и отправляет уведомление. Человек один раз проектирует логику, а затем проверяет, что она работает.

Для Елены таким шаблоном стала еженедельная сводка по просроченным доставкам. Сбор показателей, базовые расчёты и стандартные диаграммы больше не требовали её постоянного ручного участия.

Второй уровень — подсказка.

Инструмент не просто выполняет заданную последовательность, а предлагает, куда посмотреть. Он выделяет необычное отклонение, группирует похожие случаи, формулирует возможное объяснение или задаёт уточняющий вопрос. Решение остаётся за человеком.

Например, система пишет: «В двух регионах просрочка выросла сильнее, чем можно объяснить сезонной динамикой. Проверьте изменение времени комплектации и доступность транспорта». Елена решает, какие гипотезы проверять и насколько заслуживает доверия этот вывод.

Третий уровень — соисполнитель.

ИИ получает поручение, состоящее из нескольких шагов, готовит черновик анализа, формирует варианты, сводит комментарии, составляет повестку встречи или проект плана действий. Человек не делает всё с нуля, а проверяет, исправляет, уточняет и принимает окончательное решение.

На этом уровне Елена могла попросить систему не только построить сводку, но и подготовить список рисков для оперативного совещания. Однако ей всё равно приходилось проверять, не перепутаны ли причины с последствиями, какие данные пропущены и какие предложения невозможно выполнить из-за ограничений компании.

Четвёртый уровень — автономный контур.

Это процесс, в котором система сама получает сигнал, сравнивает его с правилами, запускает допустимое действие и фиксирует результат. Например, при превышении установленного порога она создаёт задачу ответственному сотруднику, меняет приоритет в очереди или отправляет уведомление руководителю.

Автономный контур не означает, что человек исчезает. Его работа меняется: он устанавливает границы, задаёт критерии, контролирует исключения, проверяет качество данных, разбирает сбои и отвечает за последствия процесса. Отправка уведомления по установленному порогу и изменение условий работы с клиентом — решения разного риска. Второе требует более строгих ограничений и понятного владельца.

Эти уровни не являются ступенями, по которым вся профессия целиком поднимается от ручного труда к автономии. Одна задача может работать как шаблон, другая — требовать совместной работы с ИИ, третья — оставаться полностью человеческим решением. Поэтому вопрос «Заменит ли ИИ мою профессию?» слишком масштабный. Рабочий вопрос звучит иначе: «До какого уровня автоматизации может дойти каждая операция в моей работе и что останется на моей стороне?»

У Елены сбор данных перешёл на уровень шаблона, поиск отклонений — на уровень подсказки, подготовка черновика анализа — на уровень соисполнителя. А выбор вмешательства, согласование интересов складов и перевозчиков, оценка риска для клиента и контроль исполнения остались зонами, где требовались контекст и ответственность.

Что именно покупает компания

То, что компания получает от работы, обычно проявляется в трёх видах ценности: скорости, качестве и решении. Они связаны между собой, но не заменяют друг друга.

Скорость — это сокращение времени между появлением вопроса и получением пригодного ответа. Если раньше руководитель узнавал о проблеме через неделю, а теперь видит сигнал в течение часа, это ценность. Но быстрая информация не помогает, если никто не знает, что с ней делать.

Качество — это точность, полнота и надёжность результата. Хорошая автоматизация уменьшает число ошибок, пропусков и несогласованностей. Если отчёт строится быстрее, но содержит неверные данные, скорость превращается в источник риска.

Решение — это изменение действия: кому передать ресурс, что остановить, где увеличить мощность, какой риск принять на себя, с кем пересмотреть условия и какое обязательство поставить на контроль. Это наиболее сложный вид ценности, потому что он связан с выбором и последствиями.

На практике одна работа может создавать все три вида ценности. Например, с помощью ИИ Елена получает сводку за десять минут вместо двух часов. Это скорость. Она быстрее замечает пропущенные строки и расхождения. Это качество. Затем она говорит Антону: «В этом регионе проблема не в общем дефиците машин. Просрочка возникла из-за позднего окна комплектации на одном складе. Если добавить перевозчика, мы увеличим расходы и не устраним источник задержек. Сначала нужно изменить порядок передачи заказов». Это решение.

Рынок труда часто начинает с оценки скорости и качества, потому что их проще увидеть в резюме и на собеседовании. Но по мере распространения ИИ именно эти виды ценности становятся доступнее большему числу людей. Чем быстрее система готовит качественный черновик, тем выше цена способности правильно поставить вопрос, соединить разрозненные обстоятельства и выбрать действие.

Личный инвентарь работы Елены

В пятницу Елена решила не переписывать резюме и не составлять список изученных инструментов. Вместо этого она провела личный инвентарь работы. Взяла задачи за последние две недели и для каждой записала не только результат, но и решение, на которое он влияет.

Собрать показатели за неделю. Елена брала выгрузки по доставкам, складам и перевозчикам и сводила их в единую таблицу, чтобы понять, какие направления проверить. Здесь создавались скорость и качество. ИИ мог собрать и объединить данные на уровне шаблона, но человеку по-прежнему нужно было выбрать источники и проверить полноту.

Найти отклонения. Сопоставив план, факт и прошлый период, можно было получить список необычных значений и решить, где нужна дополнительная проверка. ИИ способен выделить отклонения и подсказать, на что обратить внимание. Это уровень подсказки. Человек задаёт пороги и отличает реальный сигнал от ошибки в данных.

Определить возможные причины. Для этого требовались сами показатели, комментарии складов и сведения о событиях на маршрутах. Результатом становился список гипотез, который помогал решить, какую проблему проверять первой. ИИ мог сгруппировать причины и подготовить вопросы как соисполнитель. Елена должна была проверить связь между причиной и результатом.

Подготовить прогноз нагрузки. Здесь использовались история заказов, сезонность и доступные мощности. На выходе получались прогноз и диапазон риска, которые влияли на решение о том, сколько ресурсов предусмотреть. ИИ мог рассчитать варианты и показать свои допущения. Елена оценивала ограничения и последствия ошибки.

Составить управленческую сводку. В неё входили показатели, выводы и незакрытые вопросы, а результатом становилась краткая рекомендация: что изменить в процессе. ИИ мог подготовить черновик на уровне соисполнителя. За человеком оставались выбор рекомендации и объяснение связанных с ней компромиссов.

Подготовить совещание. На основании сводки, вопросов и статусов задач формировались повестка и список решений. Это помогало определить, кто и что должен сделать. ИИ мог составить проект повестки, но Елена согласовывала владельцев и сроки.

Контролировать исполнение. Здесь входными данными были договорённости, сроки и статусы. На выходе появлялись напоминания и список рисков, которые нужно было эскалировать. Система могла отслеживать сроки и отправлять сигналы в автономном режиме. Елена решала, когда вмешаться и кому передать вопрос.

Оценить риск для клиента. Для этого требовались данные об инциденте, условия обслуживания и доступные варианты. Результатом становились варианты действий, от которых зависело, нужно ли предупреждать клиента и менять ли план. ИИ мог собрать факты и предложить варианты на уровне подсказки или соисполнителя. Елена принимала риск и отвечала за данное обещание.

После этого разбора тревога Елены стала конкретнее. Первые две задачи уже почти полностью можно было передать системе. В третьей и четвёртой ИИ был полезным соисполнителем, но не владельцем вывода. На последних этапах цена ошибки возрастала: решение затрагивало людей, расходы, договорённости и репутацию компании.

В этом и состоит практический смысл инвентаря: он показывает не абстрактную «заменяемость профессии», а участки работы, которые дешевеют, и участки, где растёт цена человеческого участия.

Если задача повторяется, входные данные стабильны, результат легко проверить, а последствия ошибки ограничены, её следует готовить к автоматизации. Если она требует сопоставить несколько источников, увидеть скрытое ограничение и выбрать вариант с последствиями, нужно не защищать её от ИИ, а научиться работать с ИИ как с соисполнителем. Если решение связано с конфликтом интересов, обязательствами перед клиентом, безопасностью или существенными затратами, человек должен оставаться владельцем критериев и последствий.

Реплики, которые переводят работу в результат

Новый способ описывать работу нужен не только для личного самоанализа. Он меняет разговор с руководителем, коллегами и работодателем.

Когда Антон просит очередную сводку, Елена теперь может ответить:

— Сделаю. Чтобы документ помог принять решение, уточню: нам нужно выбрать регионы для перераспределения машин, найти причину задержек или подготовить разговор с перевозчиками? От этого зависит, какие показатели включать.

Такая реплика не отказывается от задачи и не усложняет её ради собственной важности. Она возвращает документу назначение. Если руководителю нужно лишь быстро увидеть общую картину, Елена не тратит время на подробный анализ. Если предстоит выбрать действие, она заранее закладывает в работу сравнение вариантов и рисков.

На встрече по итогам квартала вместо фразы «Я подготовила сорок отчётов» можно сказать:

— Я перевела еженедельную сводку в автоматический черновик, поэтому команда стала получать её раньше. Освободившееся время использовала для проверки причин отклонений. В результате на совещаниях мы стали обсуждать не перечень проблем, а варианты вмешательства. Следующая зона роста — передать системе контроль сроков и оставить за собой разбор исключений.

Здесь есть и скорость, и развитие, и следующий уровень ответственности. При этом не нужно приписывать себе то, чего не было. Если изменение не измерено в деньгах или процентах, можно назвать наблюдаемый признак: решение стали принимать раньше, количество ручных сверок сократилось, вопросы стали закрываться на одном совещании, руководители получили единый источник данных.

В резюме или на собеседовании вместо «готовила отчётность по логистике» сильнее звучит:

— Настроила процесс, в котором данные по просроченным доставкам собирались автоматически, а руководители получали список приоритетных рисков и вариантов действий. Вручную оставила проверку причин и согласование мер с операционными командами.

А в разговоре с командой о внедрении ИИ полезно сразу обозначить границы:

— Система готовит первый вариант анализа и отмечает отклонения. Мы проверяем источники, уточняем контекст и принимаем решение. Если обнаруживается ошибка, ответственность не растворяется в инструменте: должен быть назначен человек, который проверил результат и подтвердил действие.

Такие формулировки защищают не от автоматизации, а от другой опасности — размывания ответственности. Когда все говорят: «Это предложил ИИ», — непонятно, кто выбрал критерий, кто проверил данные и кто должен исправлять последствия. В зрелом процессе инструмент может быть автономным на уровне операции, но ответственность за границы его работы должна оставаться определённой.

Проверка реальности за сорок пять минут

Свой инвентарь можно сделать без специального курса и сложного программного обеспечения. Достаточно последней рабочей недели и чистого листа.

Сначала выпишите десять или двенадцать задач, которые действительно выполняли, используя глаголы: собрать, проверить, согласовать, объяснить, выбрать, предупредить, запустить, проконтролировать. Не пишите «занимался проектом» или «отвечал за аналитику». Такие формулировки скрывают работу.

Затем для каждой задачи закончите предложение: «После этой работы кто-то смог…» Если продолжение не находится, перед вами, скорее всего, промежуточный результат. Его нужно связать с решением или признать кандидатом на автоматизацию.

Дальше используйте простую развилку.

Если результат можно проверить по фиксированному правилу, а ошибка не создаёт серьёзных последствий, ищите шаблон или автономный контур.

Если инструмент может подготовить ответ, но ему не хватает контекста, используйте его как подсказку или соисполнителя и заранее определите, что именно вы будете проверять.

Если результат меняет распределение денег, людей, времени, клиентских обязательств или риска, опишите не только действие, но и владельца решения.

Если только вы понимаете, почему стандартный вывод не срабатывает в конкретной ситуации, не держите это знание в голове. Зафиксируйте контекст, ограничения и признаки исключений. Дефицитный контекст становится карьерным активом только тогда, когда его можно применить и объяснить, а не когда он превращается в личную зависимость команды от одного человека.

В конце сформулируйте одну фразу:

«Мне платят не за то, что я выполняю [набор операций], а за то, что благодаря моей работе [измеримое или наблюдаемое изменение], особенно когда [контекст или ограничение]».

Например:

«Мне платят не за подготовку таблиц, а за то, что операционные руководители раньше видят риски в доставках и могут перераспределить ресурсы, особенно когда данные из разных подразделений противоречат друг другу».