Як Штучний Інтелект Змінює Межі Професій: Вражаючий Рівень «Перекриття Завдань»
Уявіть, що співробітник служби підтримки клієнтів замість звернення до аналітика для фінансового розрахунку використовує ChatGPT. Або HR-фахівець, який вирішує технічні проблеми за допомогою штучного інтелекту, замінюючи звернення до IT-відділу. Спочатку таке реагування здається просто зручністю, але нові дослідження OpenAI показують — це велика трансформація трудових процесів, що змінює саме розмежування професій.
Що таке «перекриття завдань» і чому воно важливе
За результатами нового дослідження OpenAI, яке аналізувало понад 800 000 повідомлень ChatGPT американських бізнес-користувачів, 43,5% запитів, пов’язаних із професійними задачами, стосуються виконання завдань, які зазвичай відносять до інших професійних ролей. Це явище отримало назву «перекриття завдань» (task crossover) і воно є першою масштабною емпіричною ознакою того, що традиційна вузька спеціалізація, з якою працювали покоління працівників ще з часів фабрики шпильок Адама Сміта, починає змінюватися у протилежний бік.
Ронні Чаттерджі, головний економіст OpenAI, підкреслив у розмові з Axios, що «межі між професіями уже стають більш гнучкими завдяки штучному інтелекту».
Як дослідники відокремили важливий сигнал від шуму
В основі дослідження лежить ключова методологічна ідея: не кожне робоче повідомлення ChatGPT розкриває щось суттєве про зміну професійної діяльності.
Спочатку команда дослідників виключила з аналізу загальні, стандартні робочі запити — такі, як створення електронних листів, резюмування документів або планування завдань. Вони склали 61,5% усіх робочих повідомлень і не дають глибокого розуміння зміни ролі співробітника.
У фокусі залишились 38,5% повідомлень, які безпосередньо пов’язані із спеціалізованими знаннями та навичками у конкретній галузі. Саме в цій групі й виявлено вражаючий показник — 43,5% запитів стосуються завдань, які формально не входять до основної посади користувача.
Для класифікації застосували базу даних О*NET Міністерства праці США, що детально описує професії через конкретні робочі дії. Машинне навчання на основі великої мовної моделі (LLM) аналізує кожне повідомлення, узагальнює активність AI для користувача та зіставляє її з кодами діяльності в О*NET. Якщо завдання не співпадає із професією користувача, це — зразок «перекриття».
Хто та як запозичує завдання у кого
«Перекриття завдань» нерівномірно розподілене між професіями:
- Клієнтський сервіс лідирує: 77% спеціалізованих запитів — це завдання із інших областей.
- Дизайнери — 75%, HR-спеціалісти — 69%, юридичні працівники — 56%, маркетологи — 53%.
- Продажі та фінанси — близько 40%, інженери — найнижчий показник 28%.
Окрім обсягу, важлива і «напрямність» перекриття:
- Дизайнери — приклад «вхідного» перекриття: вони активно залучають зовнішні завдання (приблизно 35%), але їхні функції майже не використовують інші — лише 1,7% повідомлень з іншими ролями.
- Інженери навпаки — обмежуються своєю сферою (18,5% запитів поза роллю), але їхні завдання широко «поширюються» (7,4% повідомлень у інших професіях).
- Маркетологи виявляють «двонаправлене» перекриття: 24,3% їхніх запитів пов’язані з іншими галузями, а їхні завдання зустрічаються у 8,9% повідомлень інших працівників — найбільша зовнішня частка.
Чому малі бізнеси стають «індикатором» змін
Розмір компанії має значення. У невеликих організаціях (2-5 працівників) частка запитів поза профілем становить 18,9%, тоді як у великих (>100 співробітників) — тільки 16,3%, згідно з Axios.
Так легко зрозуміти: у великій фірмі можна звернутися до спеціаліста, а у маленькій — часто одна людина виконує кілька ролей відразу.
Отже, ШІ функціонує як універсальний помічник там, де немає вузьких експертів. Цікаве питання: чи змінюють малі бізнеси у зв’язку з цим свої кадрові стратегії? Нині цю відповідь дають вже майбутні дослідження.
Що говорять і що не говорять цифри дослідження
Автори відкрито зізнаються в обмеженнях дослідження:
- Дані не показують, чи створює ШІ фактично нову міжпрофесійну роботу або користувачі просто краще виконують звичні завдання.
- Не вимірюється якість роботи, що виконується за допомогою ШІ, та її ефективність у порівнянні з професійними фахівцями.
- Не прослідковується вплив на продуктивність чи прийняття кадрових рішень.
Наприклад, маркетолог, який самостійно розбирається з вебтехнікою, отримує нові можливості. Але чи дорівнює результат роботі спеціаліста — це важливе питання, що не знаходить відповіді в аналізі змін у використанні AI.
Однак саме ця аналітика може стати своєрідним сигналом майбутніх трансформацій, які класична статистика підтвердить із затримкою. Якщо традиційні методи враховують роботу, що вже усталилася в організації, то логи чатів з AI дозволяють бачити експерименти з новими ролями в режимі реального часу.
Що прогнозували економісти і що перевіряє це дослідження
З 2003 року, після робіт Давіда Автора та колег, стало зрозуміло, що автоматизація замінює конкретні завдання, а не весь спектр роботи.
Дарон Асемоглу та Паскуаль Рестрего ввели поділ на два ефекти:
- «Замінний ефект» — коли завдання автоматизують.
- «Відновлювальний ефект» — виникнення нових завдань, які краще виконують люди.
«Перекриття завдань» — це реальний нагляд того, як працівники перерозподіляють робочі обов’язки за допомогою AI ще до офіційної зміни посадових інструкцій. Головне питання: чи це розвиток нових обов’язків, чи зменшення кількості фахівців?
Історично спеціалізація заглиблювалась із кожною технологічною хвилею. Якщо AI дійсно дає можливість працівникам швидше долучатися до суміжних сфер, це ознака потенційної концептуальної хвилі в організації праці та розвитку навичок.
Що це означає для роботодавців та працівників уже зараз
Роботодавцям варто звернути увагу, що посадові інструкції на основі усталених переліків завдань можуть уже не відображати реальну роботу співробітників.
Якщо майже половина використання AI пов’язана з виходом за рамки ролі, HR-системи та рішення щодо найму можуть бути недосконалими. Водночас працівники отримують змогу розширити поле своєї діяльности, але питання, чи це відображено у зарплаті, кар’єрному зростанні чи офіційних ролях, досі відкриті.
Політикам та дослідникам такі платформи дають унікальний інструмент для відстеження змін у реальному часі — раніше це було неможливо без появи офіційних статистичних даних. Якщо тренд перекриття продовжиться, він неодмінно позначиться у зарплатних звітах і ринку праці загалом, однак зараз ми спостерігаємо їх лише в зародковій формі.
Поширені Запитання
Що ж означає «перекриття завдань» і чому цьому слід приділяти увагу?
Це коли працівник однієї професії за допомогою AI виконує завдання з іншої сфери. Наприклад, фінансовий аналітик пише маркетингові тексти, а юрист робить фінансові розрахунки. Рівень такого перекриття становить близько 43,5% у використанні ChatGPT, що може змінити спосіб формування посадових обов’язків, команд та кадрової політики у компаніях.
Які професії найчастіше стикаються з перетином завдань?
Найбільше це стосується працівників служби клієнтського досвіду (77%), дизайнерів (75%) та HR-спеціалістів (69%). Юристи — 56%, маркетологи — 53%. Інженери — найменше (28%), але їхні завдання насичено використовуються іншими працівниками.
Чи означає це, що AI ліквідує вузькоспеціалізовані посади?
Поки що ні. В дослідженні видно, що працівники активно освоюють суміжні обов’язки за допомогою AI. Однак невідомо, чи відповідає якість роботи професійним стандартам, чи впливає це на найм або скорочення спеціалістів. Дослідження Федерального резерву Далласа показало, що зарплати у сферах, пов’язаних з AI, зростають навіть при невеликому зниженні зайнятості.
Чи руйнує AI давню тенденцію до глибокої професійної спеціалізації?
Це саме те питання, яке відкриває дослідження OpenAI. Історично технології заглиблювали спеціалізацію, але зараз AI, схоже, надає інструменти для межової адаптації та обміну знаннями між сферами. Чи стане це революційною зміною, покаже лише час і подальші дослідження.
