Когда ИИ выполняет работу джуниоров, кто вырастит экспертов?

Большая часть дискуссий об искусственном интеллекте и рынке труда сосредоточена на вопросе о том, кто потеряет работу. Это важный аспект, но параллельно с ним развивается другая, более тихая проблема: если искусственный интеллект будет выполнять всё больше задач, на которых тренируются начинающие специалисты, как они станут экспертами?

Проблема не обязательно в том, что у новичков не будет работы. Напротив, возможно, у молодежи будет технологическая ориентация, которая позволит им успешно интегрироваться в мир, где они работают бок о бок с ИИ. Вопрос в том, какую работу они будут выполнять и позволит ли она им освоить профессию. Это верно почти для любой сферы, основанной на знаниях:

• Юрист в начале пути читает документы, ищет прецеденты и готовит черновики.

• Программист пишет код, исправляет ошибки и учится на существующих системах.

• Экономист или аналитик собирает данные, строит таблицы и готовит первичный анализ.

Именно в этих задачах ИИ становится всё более эффективным. Однако эти процессы никогда не были просто способом создания продукта — они были способом обучения. Юрист писал десятки черновиков, пока не учился распознавать сильный аргумент; экономист строил модели, пока не развивал интуицию; программист решал сотни багов, пока не учился определять корень проблемы. Экспертиза строится на повторении, ошибках и столкновении со множеством случаев.

Если машина выполняет за нас большую часть этого пути, возникает риск рыночного провала. Поскольку ИИ позволяет экспертам самостоятельно выполнять больше базовой работы, у работодателя меньше стимулов инвестировать в начинающих сотрудников. Но что произойдет, когда через десятилетие тем же компаниям потребуются специалисты с десятилетним опытом? Откуда он возьмется?

В исследовании профессора Эйнат Альбин из Еврейского университета уже поднимался этот вопрос среди хайтек-компаний: если сегодня нужно меньше джуниоров, откуда возьмутся сеньоры завтрашнего дня? Простого решения нет. Обучение для мира ИИ не может сводиться только к освоению новых инструментов. Напротив, чем больше делает машина, тем важнее, чтобы человек понимал строительные блоки профессии, умел критиковать результат, выявлять ошибки и знать, когда не принимать предложенный ИИ ответ.

На юридическом факультете Еврейского университета мы стараемся двигаться именно в этом направлении: наряду с инструментами ИИ, мы продолжаем учить глубокому чтению судебных решений, построению аргументации и самостоятельному юридическому мышлению. Цель — не выбирать между традиционной подготовкой и ИИ, а понять, что нам понадобятся оба компонента. Академия в одиночку не решит эту проблему. Работодателям придется переосмыслить, как позволить новичкам накапливать опыт, возможно, даже намеренно инвестируя в задачи, которые уже не являются необходимыми для продуктивности, но жизненно важны для обучения.

Многое в дискуссии об ИИ касается того, какую работу он нам сэкономит. Более сложный вопрос заключается в том, чему мы перестаем учиться, когда он делает работу за нас.

Доктор Гади Перл — координатор исследований в Центре кибербезопасности имени Федермана при Еврейском университете. Его докторская диссертация посвящена регулированию искусственного интеллекта.