Телеграм канал «Фриланс будущего»

Внедрить ИИ и научить им пользоваться — разные задачи

Компании делают ставку на искусственный интеллект, чтобы ускорить процессы и разгрузить сотрудников от рутины. По исследованию «Инфосистем Джет» и Smart Ranking, половина крупных российских компаний планирует нарастить инвестиции во внедрение технологии.

С обучением людей картина другая. В опросе Работа.ру, СберПодбора и Нетологии специальные программы обучения работе с ИИ проводят лишь 2% работодателей, ещё 11% планируют их запустить. Остальные рассчитывают, что сотрудники разберутся сами. По данным МТС Линк, только треть тех, кто использует ИИ в работе, говорят, что работодатель их этому учит.

И это не только российская история. По данным ежегодного отчёта Уортонской школы бизнеса, 78% руководителей уверены, что сотрудников достаточно обучили работе с нейросетями, а среди самих сотрудников так считают 56%.

❗️ Получается, что многие лидеры команд считают вопрос с обучением закрытым, хотя на деле коллеге так не считают.

В гибких командах разрыв ещё сильнее. Корпоративное обучение до внештатников часто не доходит, а при распределённой работе удачный приём не подсмотришь у коллеги за соседним столом. Находка одного человека так и остаётся только его находкой.

Команда «Профессионалов 4.0» — 60 человек, работающих распределённо, — тоже через это прошла. ИИ-инструменты уже помогали в реальных рабочих задачах, но успевали за изменениями единицы. Ситуация изменилась, когда обмен опытом стал частью самой работы.

Вместе с коллегами из hh.ru рассказали, как выстроили обучение ИИ-навыкам в распределённой команде и как посчитали эффект.

➡️ Читать кейс ⬅️

Как сохранить свой почерк в письмах клиентам, если помогает нейросеть?

Слушайте аудио и делитесь своим мнением в комментариях ⬇️🤖

Почему внедрение ИИ — задача для проектной команды, а не для штата

Коллеги, приветствую!

На связи Николай Долгов, директор по развитию платформы «Профессионалы 4.0».

Изучил отчет РАНХиГС «Кадровый код: будущее рынка труда с генеративным ИИ».
Один из его главных выводов: генеративный ИИ способен компенсировать до 80% кадрового дефицита в целом по экономике.

📊 В финансах и сфере услуг — до 100%, в промышленности — 60–65%, в добывающих отраслях — 20–30%.

С этим сложно спорить: ИИ действительно способен закрыть значительную часть дефицита. Но здесь все не так просто.

Авторы отчёта советуют работодателям быть гибкими — в оргструктуре, в планировании кадров, в рабочих процессах👍 И называют, сколько людей нужно для внедрения ИИ: 3–5 специалистов, чтобы автоматизировать процессы, и от 10, чтобы создать продукт на базе ИИ. Но где компании взять людей, которые ИИ внедрят?

Компетенции по внедрению ИИ — особый кадровый ресурс, и вот почему ⬇️

1. Они нужны всем одновременно
Компании внедряют ИИ параллельно и конкурируют за одних и тех же специалистов. Авторы отчета сами прогнозируют рост спроса на специалистов по внедрению и настройке генеративного ИИ. Нанять их в штат быстро и в нужном количестве сможет далеко не каждая компания.

2. Они нужны на время
По оценке авторов отчета, автоматизация процессов с помощью ИИ занимает 3–6 месяцев и требует команды из 3–5 специалистов. Создание продуктов на базе ИИ — от 12 месяцев и от 10 специалистов. Это проектная потребность, а не постоянная ставка: после запуска команда внедрения в прежнем составе уже не нужна.

3. Нужной экспертизы в штате обычно нет
Как отмечают сами авторы отчета, разработка и поддержка решений на базе ИИ требуют глубоких технических компетенций. Большинство компаний такой экспертизы внутри не имеет.

Получается парадокс: чтобы ИИ закрыл дефицит кадров, сначала нужно закрыть дефицит тех, кто умеет его внедрять. И решается эта задача проектным привлечением экспертов — под конкретную задачу и на нужный срок.

Отчет можно посмотреть здесь.

#управлять_будущим

Когда наём в штат ограничен, время расширять границы команды

Где искать специалистов, если на локальном рынке их нет? Как совместить штатных сотрудников и внештатных экспертов в одной команде? Какие решения доверить удалённому специалисту, а какие оставить за руководителем?

Ответы разобрали материале директора по развитию «Профессионалов 4.0» Николая Долгова и профессора бизнес-практики Школы управления «Сколково» Елены Витчак на Forbes.

Несколько тезисов

🔴 Искать шире географически. Если нужных компетенций нет в России или они слишком дороги, их можно найти на рынках СНГ и БРИКС. Так, бразильская ИИ-компания ZettaBrasil через «Профессионалов 4.0» закрыла вакансии специалистами из Индии дешевле локального рынка.

🔴 Собирать смешанные команды. Постоянное ядро держит контекст и отвечает за результат, а внешние эксперты подключаются под конкретные задачи. Лучше всего это работает в предсказуемых задачах. В сложных и срочных проектах пока незаменимо личное взаимодействие.

🔴 Заранее договориться о границах самостоятельности. Авторы предлагают делить решения на три уровня: специалист решает сам и сообщает результат; решает сам, но сначала сверяется с руководителем; решение остаётся за руководителем.

Как выстроить смешанную команду и какие ещё пять практик помогут управлять международной гибридной командой — читайте в материале.

💙🖥️ Читать на Forbes ➡️ [ссылка]

А кто ты в эпоху ИИ?

По мнению журналиста Дэвида Брукса в эпоху нейросетей людей будет различать не интеллект сам по себе, а готовность прилагать умственные усилия (потребность получать удовольствие от самого процесса мышления).

Исследования подтверждают, как ИИ незаметно расслабляет наш мозг:

🟣При работе с ИИ интенсивность когнитивной работы мозга снижается на 40% (Possibility Sciences)

🟣После 10 минут решения задач с нейросетью люди, у которых забрали к ней доступ, справляются с работой хуже и сдаются быстрее (Carnegie Mellon)

🟣А внутренняя мотивация к следующей самостоятельной задаче падает на 11% (ShanghaiTech)

Брукс предлагает делить всех пользователей ИИ на три типа. Листайте карточки ниже 👇

💬 В какой роли узнали себя? И получается ли удерживать в себе «Марафонца», когда дедлайны горят?

Правила жизни «Марафонца»:
💡 Сначала формулирует свою позицию сам и только потом просит ИИ ее оспорить.
💡 Запрашивает у нейросети контекст и факты, а не готовые выводы.
💡 Чередует работу с ИИ и глубокую самостоятельную фокусировку.