"Канарейки в угольной шахте? Шесть фактов о недавнем влиянии искусственного интеллекта на занятость" Выражение «канарейка в угольной шахте» (canary in the coal mine) - это известная идиома, которая означает ранний предупреждающий сигнал о надвигающейся опасности или проблеме. До изобретения надежных датчиков газа шахтеры брали с собой в шахты живых канареек. У этих птиц очень быстрый обмен веществ и высокая чувствительность к воздуху. Если в шахте начинал скапливаться угарный газ или метан, канарейка погибала (или теряла сознание) раньше, чем это успевало навредить людям. Для шахтеров это был сигнал немедленно эвакуироваться. Недавно попалась интересная статья, название которой вынесено в начало поста: "Канарейки в угольной шахте? Шесть фактов о недавнем влиянии искусственного интеллекта на занятость" Серьезные ученые провели серьезное исследование. Правда, на данных США, но тренд стоит держать в голове и нам. Экономисты Стэнфорда изучили зарплатные ведомости миллионов американцев с 2021 по середину 2026 года. Массового вытеснения людей ИИ пока нет. Но у молодых работников 22–25 лет в профессиях, где ИИ может выполнять много задач, занятость на 19% ниже, чем если бы росла наравне со сверстниками. У опытных такого разрыва нет, а среди разработчиков старшие даже прибавили. Молодых не увольняют – их просто реже нанимают. Сильнее всего падение там, где ИИ делает работу вместо человека, а не помогает ему. Самые заметные примеры – разработка ПО и клиентская поддержка. Там занятость 22–25-летних с конца 2022 года упала примерно на 20%, а у разработчиков 41–49 лет примерно на столько же выросла. Но это не только про IT: если убрать из данных технологические компании и компьютерные профессии, картина почти не меняется. Сильнее всего задеты профессиональные, финансовые и информационные услуги, где много работы с документами, данными и типовыми процедурами. Падение есть даже в профессиях без высшего образования. Молодые женщины пострадали сильнее мужчин, потому что чаще работают в затронутых профессиях. Сильнее всего падение в штатах, где ИИ используют активнее. Авторы честно говорят, что это ранний сигнал, а не доказательство вины ИИ. Но канарейка уже даёт нам какой-то знак 👀 Знания «из учебника» ИИ заменяет легко, а опыт, насмотренность и умение решать задачи целиком – пока нет. Ставку стоит делать именно на них. Статья: https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/ Сделал для вас презентацию, чтобы вы не мучались долгим чтением. Приложил в картинках и в сообщении 🙂

Так сложилось, что в этом году удалось поработать со студентами-филологами. Вообще говоря, безотносительно моего текущего опыта, периодически полезно встречаться с людьми, которые в буквальном смысле иначе воспринимают реальность, чем ты. Ну т.е. те вещи, которые тебе кажутся обычными и понятными кому-то таковыми вообще не кажутся. Во-первых, это возвращает тебя к пониманию, что люди разные, восприятие и картина мира у всех разная. А во-вторых ... ну и что-то тут должно быть во-вторых, но речь сейчас не об этом. Итак, о чем я. Мир таков, что используя современные инструменты можно быстро и ловко создавать и показывать результаты визуально удобным способом. В начале работы с новыми людьми я нередко даю задание на саморефлексию: они фиксируют свою стартовую точку, а я понимаю, с кем работаю. В этот раз у меня первокурсники-филологи, поэтому формат – эссе «Я в цифровом мире: стартовая точка». В нём пять вопросов: кто я сейчас; почему выбрал филологию и этот вуз и что значит быть филологом в XXI веке; кем вижу себя через 5–10 лет; как цифровые навыки (соцсети, ИИ, текстовые редакторы, базы данных) меняют мою профессию и в чём мне нужна помощь; насколько я оцениваю свою цифровую грамотность по шкале от 1 до 10 и что хочу прокачать. В качестве ответов пришло около 50 работ в разных форматах: docx, pdf, txt, даже скриншоты с телефона. И что же делать далее? Можно легко представить себе процесс, который произошёл бы ранее. Ручная сортировка и подготовка данных, потом ручная визуализация где-то и как-то. А что сейчас? Сначала ИИ-ассистент получает задание на извлечение и подготовку данных: тексты извлечены, результаты обезличены. Схему анализа заранее можно не придумывать: ИИ подсказывает, какие категории можно вывести из самих ответов. Получилось шесть разрезов: самооценка, будущая профессия, мотивы выбора, отношение к ИИ, запрос к курсу и язык эссе. Дальше разметка каждой работы, таблица с подсчётами, отчёт для меня как преподавателя. И самое замечательное - это подготовка ИИ-ассистентом интерактивной страницы для группы. На ней два режима: «Результаты» с графиками, фильтрами и цитатами. Некоторые столбцы графиков - кликабельные; «Интерактив», где можно сначала угадать, что написала о себе группа, а потом сверить догадку с реальными данными. Имён и узнаваемых деталей на странице нет, цитаты обезличены. Безусловно, промежуточные результаты надо проверять и согласовывать, но это сильно более увлекательно, чем всю рутинную работу делать самостоятельно. Весь путь от архива с файлами до готовой страницы занял один вечер. Не рокет-саенс, конечно. Но, как по мне, получилось классно! Итог можно посмотреть по ссылке ниже. Лучше смотреть с ПК и покликать по разным участкам диаграмм, но на мобильном тоже неплохо. https://cases.deniskustov.ru/

Денис Кустов, МФТИ Зачем включать критическое мышление при диалоге с ИИ?