☕️ Кем станет аналитик, когда ИИ научился писать SQL
Сейчас модно рассуждать на тему того, как кого-то заменит ИИ. Решил посмотреть на роль аналитиков - так как они являются основными пользователями моих продуктов.
Начнем с главного — заменят не аналитика — заменят кусок работы: накидать черновик запроса, собрать табличку, поймать аномалию глазами, нарисовать первый график. Это ИИ уже делает быстрее аналитиков.
Но профессия от этого не исчезает. У неё смещается центр тяжести.
Раньше единицей работы был ответ на вопрос. Теперь — система, которая отвечает на вопросы сама.
Вот как это выглядит на практике. Сегодня к аналитику приходят с «почему просела конверсия?», он лезет в данные, считает, объясняет. Завтра первым на этот вопрос ответит ассистент. И работа аналитиков будет — не ответить, а сделать так, чтобы ИИ ответил правильно: взял ту метрику, что нужно, не перепутал корреляцию с причиной, честно показал ограничения и сам поднял руку, когда вопрос слишком рискованный для автоответа.
Аналитик перестанет быть тем, кто отвечает на каждый вопрос. Он станет тем, кто проектирует смысл: как считается метрика, что такое «активный пользователь», какие разрезы вообще допустимы, где проходит граница между «ИИ ответит сам» и «тут нужен человек».
Как, по-моему, будет выглядеть рабочий день:
— не «закрыть 10 ad hoc-запросов», а посмотреть, на чём ассистент путается, и починить это в корне
— не «сделать ещё один разрез по просьбе бизнеса», а превратить повторяющийся вопрос в готовый сценарий, который дальше крутится без вас
— не «построить дашборд», а владеть определениями метрик так, чтобы человек, дашборд и ИИ понимали их одинаково
И вот тут интересное. Чем дешевле сгенерировать ответ, тем дороже за него отвечать. Раньше кривую цифру видел один заказчик. Теперь кривую трактовку ассистент разошлёт сразу сотне людей. Поэтому самый ценный навык — не «написать запрос», а «понять, что ответ неверный, хотя выглядит он чертовски убедительно».
Что из этого следует:
— SQL не умирает, меняется вопрос на собесе. Было: «умеешь писать?». Стало: «умеешь увидеть, где ИИ написал ерунду?»
— дорожают не технические скиллы, а постановка правильного вопроса, проектирование метрик, причинно-следственное мышление и умение довести анализ до решения, а не до графика
— появляются новые роли: владелец метрик, куратор качества ответов ассистента, decision partner — тот, кто помогает бизнесу не «посмотреть данные», а выбрать действие и проверить, что из него вышло
Аналитик будущего меньше похож на того, кто выдаёт отчёты по запросу, и больше — на того, кто строит и поддерживает доверие к данным. ИИ забирает скорость и черновики. За человеком остаётся смысл, проверка и ответственность за решение.
И это, честно говоря, работа поинтереснее, чем десятая выгрузка за день.
#thoughts #ai #llm
Сейчас модно рассуждать на тему того, как кого-то заменит ИИ. Решил посмотреть на роль аналитиков - так как они являются основными пользователями моих продуктов.
Начнем с главного — заменят не аналитика — заменят кусок работы: накидать черновик запроса, собрать табличку, поймать аномалию глазами, нарисовать первый график. Это ИИ уже делает быстрее аналитиков.
Но профессия от этого не исчезает. У неё смещается центр тяжести.
Раньше единицей работы был ответ на вопрос. Теперь — система, которая отвечает на вопросы сама.
Вот как это выглядит на практике. Сегодня к аналитику приходят с «почему просела конверсия?», он лезет в данные, считает, объясняет. Завтра первым на этот вопрос ответит ассистент. И работа аналитиков будет — не ответить, а сделать так, чтобы ИИ ответил правильно: взял ту метрику, что нужно, не перепутал корреляцию с причиной, честно показал ограничения и сам поднял руку, когда вопрос слишком рискованный для автоответа.
Аналитик перестанет быть тем, кто отвечает на каждый вопрос. Он станет тем, кто проектирует смысл: как считается метрика, что такое «активный пользователь», какие разрезы вообще допустимы, где проходит граница между «ИИ ответит сам» и «тут нужен человек».
Как, по-моему, будет выглядеть рабочий день:
— не «закрыть 10 ad hoc-запросов», а посмотреть, на чём ассистент путается, и починить это в корне
— не «сделать ещё один разрез по просьбе бизнеса», а превратить повторяющийся вопрос в готовый сценарий, который дальше крутится без вас
— не «построить дашборд», а владеть определениями метрик так, чтобы человек, дашборд и ИИ понимали их одинаково
И вот тут интересное. Чем дешевле сгенерировать ответ, тем дороже за него отвечать. Раньше кривую цифру видел один заказчик. Теперь кривую трактовку ассистент разошлёт сразу сотне людей. Поэтому самый ценный навык — не «написать запрос», а «понять, что ответ неверный, хотя выглядит он чертовски убедительно».
Что из этого следует:
— SQL не умирает, меняется вопрос на собесе. Было: «умеешь писать?». Стало: «умеешь увидеть, где ИИ написал ерунду?»
— дорожают не технические скиллы, а постановка правильного вопроса, проектирование метрик, причинно-следственное мышление и умение довести анализ до решения, а не до графика
— появляются новые роли: владелец метрик, куратор качества ответов ассистента, decision partner — тот, кто помогает бизнесу не «посмотреть данные», а выбрать действие и проверить, что из него вышло
Аналитик будущего меньше похож на того, кто выдаёт отчёты по запросу, и больше — на того, кто строит и поддерживает доверие к данным. ИИ забирает скорость и черновики. За человеком остаётся смысл, проверка и ответственность за решение.
И это, честно говоря, работа поинтереснее, чем десятая выгрузка за день.
#thoughts #ai #llm