Как компаниям растить экспертов, если базовые задачи уже делает ИИ
Совсем недавно мы описали эту проблему в материале для «Известий»: ИИ все чаще берет на себя базовые задачи, с которых раньше начинался профессиональный путь молодых специалистов.
Когда в командах появляется ИИ, первым делом автоматизируют то, что проще всего описать инструкцией: поиск информации, первичную проверку, подготовку черновиков, типовые фрагменты кода, сборку отчетов, сравнение данных. Раньше именно на таких задачах чаще всего учились начинающие специалисты. Они разбирались в контексте, видели типовые ошибки, постепенно понимали требования к качеству и набирали опыт через небольшие, но реальные поручения.
Теперь этот этап нельзя оставить прежним. Если молодому специалисту передавать только те задачи, которые оперативно закрывает нейросеть, его роль в команде становится неочевидной. Если сразу подключать к сложным задачам — ему может не хватить базы. Поэтому компаниям придется заново проектировать путь развития младших специалистов.
Что важно менять в процессе найма и адаптации:
➖ оценивать не только знание инструментов, но и способность разбираться в результате, который выдал ИИ;
➖ давать новичкам задачи не на механическое выполнение, а на проверку, уточнение и улучшение готовых вариантов;
➖ закладывать больше времени на разбор решений: почему ответ корректен, где ошибка, что не учтено, какие есть риски;
➖ подключать старших специалистов не только как проверяющих, но и как наставников, которые объясняют профессиональную логику;
➖ создавать учебные кейсы на основе реальных рабочих ситуаций, чтобы новичок видел бизнес-контекст.
В такой модели джуниор перестает быть просто исполнителем рутинных поручений. Его развитие начинается с другого навыка: научиться работать с ИИ, задавать правильные вопросы, проверять выводы, понимать ограничения инструмента и соотносить результат с задачей бизнеса. А роль senior-специалистов становится еще важнее. Они отвечают не только за финальное качество, но и за передачу экспертизы.
Поэтому внедрение ИИ — это также повод пересобрать систему роста внутри команды, чтобы обеспечить устойчивый кадровый резерв в будущем.
Совсем недавно мы описали эту проблему в материале для «Известий»: ИИ все чаще берет на себя базовые задачи, с которых раньше начинался профессиональный путь молодых специалистов.
Когда в командах появляется ИИ, первым делом автоматизируют то, что проще всего описать инструкцией: поиск информации, первичную проверку, подготовку черновиков, типовые фрагменты кода, сборку отчетов, сравнение данных. Раньше именно на таких задачах чаще всего учились начинающие специалисты. Они разбирались в контексте, видели типовые ошибки, постепенно понимали требования к качеству и набирали опыт через небольшие, но реальные поручения.
Теперь этот этап нельзя оставить прежним. Если молодому специалисту передавать только те задачи, которые оперативно закрывает нейросеть, его роль в команде становится неочевидной. Если сразу подключать к сложным задачам — ему может не хватить базы. Поэтому компаниям придется заново проектировать путь развития младших специалистов.
Что важно менять в процессе найма и адаптации:
➖ оценивать не только знание инструментов, но и способность разбираться в результате, который выдал ИИ;
➖ давать новичкам задачи не на механическое выполнение, а на проверку, уточнение и улучшение готовых вариантов;
➖ закладывать больше времени на разбор решений: почему ответ корректен, где ошибка, что не учтено, какие есть риски;
➖ подключать старших специалистов не только как проверяющих, но и как наставников, которые объясняют профессиональную логику;
➖ создавать учебные кейсы на основе реальных рабочих ситуаций, чтобы новичок видел бизнес-контекст.
В такой модели джуниор перестает быть просто исполнителем рутинных поручений. Его развитие начинается с другого навыка: научиться работать с ИИ, задавать правильные вопросы, проверять выводы, понимать ограничения инструмента и соотносить результат с задачей бизнеса. А роль senior-специалистов становится еще важнее. Они отвечают не только за финальное качество, но и за передачу экспертизы.
Поэтому внедрение ИИ — это также повод пересобрать систему роста внутри команды, чтобы обеспечить устойчивый кадровый резерв в будущем.