Поколение 80-х и начала 90-х выросло в достаточно жесткой модели отношения к работе. Чтобы стать специалистом, нужно было долго учиться, получать высшее образование, проходить практику, работать на младших должностях и постепенно накапливать опыт. Карьера воспринималась как длинный путь, а работа — как обязательная и центральная часть жизни. Люди были готовы терпеть переработки, неудобства, низкие стартовые зарплаты ради будущей стабильности и профессионального роста.
Но сегодня становится все очевиднее: новое поколение живет совершенно в другой логике. Молодые сотрудники гораздо меньше готовы “жить работой”. Они не хотят десятилетиями строить карьеру внутри одной организации, не готовы глубоко погружаться в профессию и воспринимают работу скорее как временный сервис получения денег, чем как жизненную миссию. Именно поэтому так стремительно растут платформенные модели занятости — доставка, маркетплейсы, фриланс, краткосрочные контракты, проектная работа.
И здесь возникает очень интересный момент. Оказывается, современное развитие искусственного интеллекта идеально совпадает с запросами нового поколения.
Большинство людей пока воспринимают ИИ исключительно как инструмент автоматизации или угрозу сокращений. Но главный эффект искусственного интеллекта заключается не в замене человека как такового. Главный эффект — резкое снижение требований к квалификации сотрудника. Фактически вся современная цифровизация движется к одной простой цели: перенести знания из головы человека внутрь цифровой системы.
Раньше ценность специалиста определялась тем, что он “держал в голове” огромный массив информации. Хороший бухгалтер знал законодательство. Опытный оператор поддержки помнил десятки сценариев общения. Инженер понимал технологические процессы. Аналитик умел находить взаимосвязи в данных. Сегодня все это постепенно переносится в нейросетевой контур.
Современная архитектура ИИ уже позволяет реализовывать подобные системы практически в промышленном масштабе. Основа здесь — большие языковые модели (LLM), такие как GPT, GigaChat, YandexGPT, DeepSeek и другие. Но сами по себе они не решают бизнес-задачи. Ключевой элемент — это связка LLM с корпоративной инфраструктурой через RAG-системы (Retrieval-Augmented Generation).
Технически это выглядит достаточно просто. Вся нормативная база, внутренние регламенты, инструкции, переписка, данные CRM, ERP, ФГИС и других систем разбиваются на смысловые фрагменты, преобразуются в embeddings и загружаются в векторную базу данных. Когда сотрудник задает вопрос, система ищет релевантные фрагменты, передает их языковой модели, а та уже формирует готовый ответ или сценарий действий.
В результате сотруднику больше не нужно помнить нормативную базу или глубоко понимать процессы. ИИ сам:
- ищет нужную информацию;
- формирует документы;
- проверяет ошибки;
- подсказывает дальнейшие действия;
- контролирует соответствие регламентам;
- анализирует риски.
Человек постепенно превращается в оператора цифровой системы.
И это уже хорошо видно на примере современных call-центров. Еще 15 лет назад оператор поддержки должен был быть экспертом в своей области. Сегодня значительная часть операторов фактически работает по подсказкам ИИ-систем. Нейросеть анализирует обращение, предлагает сценарий разговора, формирует ответы и даже оценивает эмоциональное состояние клиента. Пользователь по-прежнему думает, что общается с квалифицированным специалистом, хотя значительную часть “интеллекта” уже обеспечивает цифровой контур.
Но самое важное — это следующий этап развития технологий. Сейчас большинство компаний используют ИИ как “умный чат”. Однако в ближайшие годы основной тренд сместится в сторону AI Workflow Engine и AI Agents. То есть нейросеть будет не просто отвечать на вопросы, а полностью вести бизнес-процесс.
Например, система получает задачу:
- сама открывает нужные информационные системы;
- проверяет данные;
- запрашивает документы;
- формирует отчет;
- проводит формально-логический контроль;
- готовит проект решения;
- отправляет уведомления;
- контролирует сроки.
А сотруднику остается только подтверждать действия системы или вмешиваться в нестандартных ситуациях.
Фактически квалификация человека начинает заменяться качеством цифрового контура вокруг него.
И вот здесь искусственный интеллект идеально совпадает с психологией нового поколения работников. Молодые сотрудники не хотят годами учиться и погружаться в профессию. Они хотят быстро войти в процесс, быстро получать деньги и иметь возможность так же быстро выйти из работы. ИИ делает это возможным.
Через несколько лет вполне реалистичным выглядит сценарий, при котором рынок труда станет похож на маркетплейс задач. Утром человек открывает приложение, выбирает доступную смену, автоматически оформляется через Госуслуги или корпоративный API-контур, получает временный доступ в систему и начинает работать через ИИ-ассистента.
Причем речь идет уже не только о курьерах или складских работниках. По такой модели потенциально могут работать:
- бухгалтеры;
- операторы ЖКХ;
- сотрудники поддержки;
- специалисты документооборота;
- аналитики;
- часть госслужащих;
- сотрудники ситуационных центров.
Человеку не нужно будет глубоко понимать профессию. Система сама будет вести его по процессу. Фактически от сотрудника потребуется:
- базовая компьютерная грамотность;
- умение формулировать запрос;
- способность читать подсказки;
- минимальный уровень ответственности.
Все остальное будет выполнять цифровая инфраструктура.
Более того, большинство технологий для этого уже существуют. Есть LLM-модели, RAG-системы, AI Agents, BPMN-движки, low-code платформы, API-интеграции, электронная подпись, биометрия, цифровые профили, системы удаленной идентификации. Не хватает в основном организационной и нормативной адаптации.
Особенно быстро подобные изменения будут происходить в государственных структурах и крупных корпорациях. Именно там огромное количество процессов уже сейчас построено на регламентах, формализованных сценариях и стандартизированных процедурах. А это идеальная среда для внедрения ИИ.
По сути, государство постепенно движется к модели цифрового конвейера, где значительная часть интеллектуального труда становится полуавтоматической. И если раньше для работы в сложной системе требовались годы подготовки, то в будущем сотруднику, возможно, достаточно будет пройти двухдневное обучение работе с интерфейсом ИИ.
И здесь возникает главный парадокс будущего. Новое поколение не хочет жить по трудовой модели поколения 80-х. Но именно развитие искусственного интеллекта делает такую трансформацию экономики технически возможной. Получается своеобразный замкнутый цикл: люди не хотят глубоко погружаться в работу, а технологии постепенно делают глубокое погружение ненужным.
Пока это звучит слегка футуристично. Но если посмотреть на скорость развития нейросетей за последние два года, становится очевидно: мы уже вошли в фазу, когда меняется не просто рынок труда, а сама архитектура отношений между человеком, работой и технологиями.