2035 год кажется вам далеким будущим? А ведь он ближе, чем 2013-й…
В 2013-м было сложно представить, как AI-технологии изменят мир через десять лет. Но сейчас перспектива обрисовалась: к 2035-му искусственный интеллект проникнет везде, где сможет быть полезен. Как именно это произойдёт — лучше всех представляют люди, которые внедряют ИИ.
Для этой статьи мы попросили трёх наших экспертов провести нам экскурсию по нейросетевому будущему и по тому, как устроены процессы в ГПБ одиннадцать лет тому вперёд. Под катом: финтех, кодинг и наём сотрудников в 2035 году.
Автор: Мария Косарева, вице-президент, начальник Департамента анализа данных и моделирования
Представим, что в 2035 году юзер хочет взять у нас в ГПБ кредит на машину — летающую, само собой. Выдача кредита для него будет выглядеть так.
Сперва, как и в 2024-м, пользователь заходит в приложение банка. На входе в приложение лицо проверяет AI-биометрия.
Чтобы мошенники не брали кредиты на невинных пользователей с помощью дипфейка, в 2035 году в кибербезопасности работают дата-сайентисты — их AI-алгоритмы без труда определяют любой AI-фейк. Рыбак рыбака, как говорится, детектирует в 4К.
А если алгоритм по ошибке принимает самого пользователя за дипфейк (например, юзер пытается зайти в приложение с утра пораньше и выглядит непохоже на себя самого), есть безотказные опции — «приложить палец» и «ввести пин».
Получается как с видеосвязью: в фантастике только по ней и говорят, а в жизни люди продолжают созваниваться голосом.
В приложении юзер заходит в раздел «Кредиты». Что там — зависит от пользователя. Как и сейчас, в 2035-м мы вычисляем кредитный рейтинг перед кредитованием. Только параметров больше: ИИ использует больше доступных данных. Какие именно — я расскажу чуть позже, а пока посмотрим, как ассистент взаимодействует с желающими взять кредит.
Если кредитный рейтинг у человека отличный, ИИ-ассистент в приложении регулярно показывает баннер с кредитом на заманчивых условиях. Юзеры с низким рейтингом такую рекламу не видят. В самом кредитном разделе пользователь с хорошим рейтингом сразу получает от ассистента предложение взять кредит на условиях из рекламы.
А если рейтинг не очень? Тогда, даже если пользователь сам заходит в раздел кредитов, то личный ИИ-помощник говорит ему: «Вы и так всю зарплату тратите на импульсивные покупки. Может, повременить с кредитом?»
Выглядит, будто мы заботимся о пользователях в ущерб себе. Но на самом деле у нас же нет цели любой ценой выдать как можно больше кредитов. В первую очередь нужны хорошие показатели возвратов. ИИ-ассистент работает на то, чтобы эти показатели не ухудшились из-за выдачи кредита ненадёжному клиенту.
Так что нам просто незачем подталкивать каждого виртуального посетителя к заявке на кредит, которую всё равно в итоге не одобрят. Вместо этого разработанный нами ИИ-ассистент подсказывает пользователям с низким кредитным рейтингом, как его улучшить, даёт персонализированные рекомендации, основанные на детальных данных юзера. Это — пожалуйста, это взаимовыгодно.
Чтобы подобрать подходящие условия кредита в 2024 году, искусственный интеллект анализировал кредитную историю клиента. А в 2035-м информации куда больше: наш банковский ИИ изучает весь цифровой след пользователя. В ход идут данные из соцсетей, из фотогалереи, из приложения для здоровья, с умных часов.
Мы пользуемся тем, что прогресс произошёл не только в AI. К 2035-му люди перестали бояться давать банкам доступ к данным. Оказывается, если график сна и пульс помогают сделать кредит выгоднее — этой информацией люди тоже свободно делятся.
Если пользователь согласен на условия, можно переходить к подписанию договора о кредитовании. ИИ легко может выдать кредит, не привлекая живого менеджера. Но… не будет делать этого. Даже пользователь с превосходным рейтингом может перестать платить по кредиту. Кто за это ответит — разработчики ИИ? Да они никогда не подпишутся на такие условия.
Поэтому подпись на договоре в финале ставит живой сотрудник ГПБ (хоть бы и электронную). А ИИ делает всё остальное: изучает данные, выдвигает условия и составляет документы. Весь процесс занимает совсем немного времени — и пользователь получает свой желанный кредит на летающее авто.
Давайте посмотрим, кто такой финтех-разработчик в ГПБ в 2035-м и что для него «нормальная задача». Конечно же, ИИ не миновал и его.
В 2024-м разработчики, использующие AI, выглядят подозрительно: ты настоящий айтишник или только промпты писать умеешь? Но к 2035-му ситуация полностью поменялась. Многие разработчики в ГПБ умеют писать только промпты, но при этом они — настоящие айтишники. Их профессия — промпт-инженер. Задачи: добиваться от чат-джипити нужного кода и проверять этот код, прежде чем его начнут использовать на проде в банковском приложении, например.
При этом разработчики, которые занимаются не только промптами, в компании тоже есть, про них мы подробнее поговорим дальше, в следующем предсказании.
Помимо промт-инженеров мы активно набираем на работу кибербезопасников. Не только для того, чтобы проверять, безопасен ли код, написанный ИИ по промту. Просто ИИ доступен любому дошкольнику. И этому детскому садику нужны воспитатели, которые отследят, что безопасности пользовательских данных и денег не угрожают ни люди, ни созданные ими вредоносные AI-модели.
С безопасниками сотрудничают дата-сайентисты, эта профессия всё более востребована. Благодаря ИИ почти все разработчики (и у нас в компании, и за её пределами) хоть сколько-нибудь занимаются дата-сайенсом. Промпт-инженер в ГПБ иногда и собирает данные, и строит новые модели. Например, улучшенную версию ИИ-ассистента для свежей версии приложения.
Для разработчиков в других сферах в 2035-м тоже необычно кодить полностью самостоятельно. Уже в 2024 году скорость кодинга у новичка с участием ИИ-чата возрастала на 30 % — мы замеряли. В 2035-м писать весь код самостоятельно — как передвигаться на любые расстояния исключительно пешком. Мы предпочитаем летать (на машине).
Автор: Алексей Смирнов, заместитель начальника Департамента анализа данных и моделирования
О разработке в общем поговорили, давайте теперь погрузимся в работу с кодом и участие AI в ней.
Существует стереотип, что ИИ полностью заменит айтишника. Возможно, в далёком будущем так будет. Но не в 2035-м: здесь разработчик в ГПБ работает в плотном партнёрстве с искусственным интеллектом.
Давайте представим, как ИИ помогает мидлам в ГПБ решать разные задачи. Чтобы вы увидели, что ИИ нужен не только в качестве обучалки новичков и тулзы для промпт-инженеров.
Предположим, в приложении ГПБ готовится новая фича: генеративные сториз для пользователей на основе их прошлых интересов. Чтобы фичу реализовать, нужно решить много задач поменьше. Например, сделать так, чтобы ИИ-модель при генерации сториз точно и подробно учитывала дизлайки пользователя.
Эту задачу мы передаём разработчику-мидлу. Когда он выходит на работу и включает компьютер, AI-помощник сразу ему сообщает, что новый таск упал в бэклог — вместо Трелло, Джиры и других подобных досок. Разработчик подтверждает голосом, что берёт задачу, ассистент отмечает это в карточке.
ИИ сразу автоматически разворачивает всю необходимую среду разработки, подключается к нужным репозиториям, закачивает подходящие фреймворки в IDE, даже отправляет команду кофемашине.
Ассистент помогает разработчику погрузиться в задачу: делает саммари из бизнес-требований — зачем заказчикам нужна эта фича. Смотрит в историю разработки мидла и напоминает, что похожего мидл уже делал в других проектах. Чекает, можно ли оттуда что-то переиспользовать, чтобы решить задачу быстрее. Если получится — помогает понять, насколько это целесообразно.
Через пять минут после того, как задача упала разработчику, ИИ уже погрузил его в детали и полностью развернул рабочее место. И кофе готов.
Допустим, ИИ взял из прошлых проектов автотесты или юнит-тесты. Теперь он накидывает для фичи варианты решений, которые есть в опенсорсе или в открытом коде.
Конечно, это далеко до полного автопилота. Но на второго пилота тянет вполне.
Разработчик трудится, но задача сложная и повергла его в ступор, решения не видно. Вместо того чтобы отвлекать коллегу, который сидит рядом, мы в такой ситуации рекомендуем разработчику сразу обратится к ИИ-второму пилоту. Тот сразу похожие варианты накидывает: вот так делают в «Нетфликсе», так — в «Убере», какие мировые практики используем для ГПБ?
ИИ напоминает про встречи по вехам проекта и про то, что кофе кончается — надо бы заказать, чтобы вовремя к одной из этих встреч закоммитить фичу. Разве коллега в офисе станет так заботиться?
Когда нам нужно новое приложение или решение, его архитектурой занимается прежде всего не айтишник, а ИИ. Именно ИИ накидывает варианты архитектуры в виде схем, разработчик выбирает уже подходящую и правит. Двигает квадратики, перетягивает стрелочки.
Причём ИИ знает, что архитектуру будут смотреть многие сотрудники банка из разных подразделений. Поэтому стрелочками помечает разное взаимодействие. Например, если эта означает безопасный туннель для бэкапов — ИИ подсветит её нужным цветом, определит жирность, пунктирность и так далее. Чтобы в будущем другие разработчики понимали, про что эта стрелочка. И другие ИИ-ассистенты тоже.
Кодинг на всех уровнях разработки в ГПБ пока не отменён, однако уже достигнуто соотношение как в принципе Парето: 80% кода генерирует ИИ, 20% — пишут разработчики.
Конечно, за ИИ всегда надо проверять: та ли задача выполняется, всё ли работает, где нужны чекпоинты и дебаг-точки, можно ли оптимизировать код. Но ведь ИИ тоже проверяет за человеком, так что всё честно. Параллельное программирование получается.
Когда ИИ написал что-то не то, разработчику вовсе не обязательно ругаться и переделывать руками. Как правило, достаточно сказать ассистенту, что не так, и он предложит исправленный вариант кода.
ИИ следит за тем, насколько эффективные решения использует специалист в работе. Допустим, разработчик применил пузырьковую сортировку. ИИ спрашивает его: «А она здесь точно эффективна? Составил тебе подборку хабрастатей, где ребята пишут про новые методы сортировки. Хочешь, приподниму браузер и ты почитаешь? Или могу тебе подготовить саммари из трёх статей, самую выжимку». Так ассистент работает на то, чтобы сотрудники ГПБ на работе постоянно прокачивались и развивались.
Сразу изучать материалы необязательно — опция не пропадёт. ИИ напомнит их почитать после работы, если сотрудник попросит.
Но это скорее бонус. Главная задача AI-ревью — показать, на что в проекте нужно обратить внимание. ИИ выступает мидл-менеджером от банка: например, подсвечивает несоответствия требованиям заказчика.
Или ИИ способен подсветить место, где пока не возникает ошибка, но может возникнуть. Чтобы заранее снизить количество багфиксов и откатов. Например, на этапе отправки в git разработчик и ассистент что-то не учли, а из-за этого могут возникнуть проблемы у коллег в другой команде. AI-ревью это отдельно покажет.
При разработке небольшого внутреннего банковского приложения в основу изначально положили Python. Но в Python одна из ключевых для приложения функций слишком медленная, её не хватает, чтобы обрабатывать постоянный поток запросов.
Разработчик садится допиливать фичу. Какой язык взять для разработки? ИИ говорит: «Ну конечно, Python — не про скорость. Давай попробуем накидать кейс, если её на C сделать. Вынесем в отдельный сервис и будем туда стучаться из нашего пайтон-приложения».
ИИ разворачивает всё, что нужно для C, накидывает реализацию этого же кода на Python, но в C. Разработчик смотрит, говорит: «Да, круто. Давай потестим его по скорости, посмотрим, как это всё будет». ИИ компилит, говорит: «Сервис доступен, давай постучимся. Хотя я уже постучался, проверил нас. Проходим по таймингу, всё нормально. Можем использовать такой подход и сделать этот сервис для наших пайтон-приложений».
Затем ИИ сам скидывает предложения по оптимизации в чат разработки. Другие ИИ-ассистенты распознают, к чему относится идея, и тегают нужных разработчиков и тимлидов.
В свою очередь их ИИ-ассистенты подсвечивают им: «Смотри, какой сервис придумали! Может, нам поучаствовать? Я сделал ревью наших предыдущих работ, у нас тоже там есть релевантные — вынесем на митинг?» А ИИ-помощник тимлида предлагает варианты, как поменять архитектуру.
Собирается большой митинг команды о том, как создать такой глобальный сервис для оптимизации проекта. ИИ ведёт митинг, собирает темы обсуждения в сжатом виде. По итогам митинга новое решение уходит в разработку и уже довольно скоро оказывается в проде, решая нашу проблему с медленной обработкой запросов.
Вот такой в ГПБ в 2035-м CI/CD. Это вам не огромные портянки в письмах, где разработчики забывают, о чём письмо-то было, пока доскроллят донизу.
Из 2024-го может показаться, что в ИИ-ассистентах и в горé генерируемой ими инфы легко запутаться. Но такой процесс не возник сразу. Потихоньку ИИ-ассистенты получили новые удобные фичи, а потом эти фичи стали частью жизни. Людям в 2012-м тоже было сложно представить, как все пуляются голосовухами и кружкáми в мессенджерах.
На заре AI-эры казалось, что тестировщик — профессия, которая пострадает. ИИ способен нечеловечески быстро отрабатывать кучу платформ и сценариев использования.
Но у нас в банке тестировщики работают по-прежнему. Хотя задачи мы перед ними ставим совсем другие. Теперь тестировщик чаще использует автотесты или даже просто описывает ИИ-помощнику кейсы. А ИИ ищет нужные данные во внутренней ИИ-википедии, где ассистенты ими обмениваются.
Например, ИИ должен нажать на синюю кнопку, которая должна стать зелёной. Потом должен её отпустить — а кнопка опять стать синей. У человека-тестировщика основная загвоздка была бы: «А я все версии нужных браузеров проверил? А смартфонов?» На последовательные проверки уходит очень много ценного времени.
ИИ играючи снимает этот вопрос. Он гарантированно тестирует во всех браузерах и платформах за одну секунду в фоне. Ещё и показывает, в каких комбинациях сценарий отработал по-другому и почему. А человек проверяет и анализирует уже готовые быстро полученные результаты. Это позволяет нам намного скорее запускать новые фичи и доносить пользу клиентам.
ИИ следит за сохранностью нашего кода. Допустим, разработчик встал из-за офисного стола сходить за кофе. Тем временем уборщица протёрла клавиатуру от пыли. Сработала комбинация клавиш — автокоммит. И ассистент заблокировал это действие, запросил пароль. Почему? Либо увидел нетипичное поведение, либо обучился распознавать, когда разработчик отходит от компьютера. Зачем? Чтобы ни в коем случае не положить одним неудачным автокоммитом прод банка, как это могло случиться в прошлом.
Но это простой случай: прямое нарушение политик безопасности. Мы настроили ИИ-помощников, чтобы те отслеживали потенциальные опасности и на более тонком уровне. Например, разработчик придумал код. Ассистент видит, что использованная библиотека ничем не угрожает, но её нет в реестре доступных, и предлагает попросить у отдела безопасности валидировать эту библиотеку.
Мы внедрили и используем ИИ для пользы конечных пользователей продукта. Они могут не задумываться, но для них ИИ — однозначный союзник. Приложения станут надёжнее, а обновления — быстрее.
Процесс закономерный, ведь ИИ делает основную работу по валидации необходимых артефактов. Это и описание, и автоматическая связка, и коммит с задачей в бэклоге, и напоминание разрабу, что ему надо зайти написать комменты — или даже ИИ их сам напишет, а человеку напомнит проверить.
Но основная причина качества — ИИ челленджит разработчика на лучшие решения по скорости. Так что с помощью ИИ мы тренируем каждого мидла быть немного стратегом. Ведь бездумно выполнять задачи ассистент может и сам.
Основной навык, который нам нужен от разработчика к 2035-му году, — креативность, потому что ИИ идеально справляется с рутиной. Прописать доступы? Ассистент сделает. Придумать нестандартное решение? Это к человеку.
Когда AI-эпоха только начиналась, ИИ помогал хитрым новичкам заскочить на ответственные должности. Хорошо, что к 2035-му мы научились разбираться, кто действительно ищет лучшие решения, а кто просто одобряет стандартные варианты от ИИ, пока проект не превратится в нежизнеспособное нагромождение кода.
Как мы отличаем креативного специалиста с фундаментальными знаниями от нахватавшегося по верхам промптера?
Специалист, которого мы ищем, должен уметь прыгать выше головы. Если стоит задача выполнять процесс не дольше трёх секунд — справится ИИ, потому что похожих вариантов куча. От человека мы ждём, что он придумает, как ускорить процесс до одной секунды.
Может, в конкретном случае ускорять и не критично. Зато мы поймём, что этот разработчик шарит. И его навыки окупятся, потому что из сотен креативных улучшений и вырастает качественно новый сервис.
Автор: Елена Лунева, заместитель начальника Департамента анализа данных и моделирования
Давайте расскажу в деталях, как же мы нанимаем в банк сотрудников в эпоху ИИ.
Соискатели создавали и апгрейдили резюме с помощью ИИ ещё в 2024-м. Более того — можно было запросить у LLM-ки резюме под конкретную вакансию, чтобы на идеального кандидата точно обратили внимание.
Правда, модель периодически галлюцинировала — но это легко было увидеть. Ну или путала похожие термины — а это уже не каждый мог понять. Жаль, что было мало понимающих…
Например, есть дата-сайенс-аналитики, аналитики отчётности, бизнес-аналитики и аналитики в бизнесе. Это очень разные профессии, даже две последние. И чат-джипити мог для аналитика в бизнесе подтянуть описание бизнес-аналитика. Было бы смешно, если бы сотрудникам HR-отдела не приходилось тратить драгоценные рабочие секунды на не особо хитрых промптеров.
К 2035-му у проблемы появилось решение: теперь айтишники активнее всего добавляют в резюме подтверждения навыков от работодателей и коллег. Резюме без подтверждений от других людей автоматически уезжают в конец очереди. Поэтому соискатели подтверждают навыки, чтобы получать офферы. Некоторые площадки с работой даже запретили составлять резюме без подтверждений.
Подтверждения стали валютой найма: чем больше людей гарантирует твои навыки, тем проще найти интересную работу с приятной зарплатой. Классическое резюме больше не нужно разработчику и для того, чтобы устроиться к нам на работу. Эйчару куда проще будет взглянуть на красноречивые списки подтверждённых навыков.
Как водится, на каждую метрику находят абуз. Схема достаточно проста — чёрный рынок подтверждений. А на абуз своя контратака: ИИ вычисляет, какие узлы сети раскидывают аномально много подтверждений. А недобросовестные узлы маскируются под множества мелких узлов, где каждый аккаунт подтверждает в разумных количествах…
У нас работа кипит, нет времени ждать, пока закончится эта вечная борьба меча и брони. Мы адаптировали старый уровень проверки — видеовизитки. Это ролики, где соискатель минут 10 отвечает нам на типовые вопросы. Отклики на сайтах с резюме и на нашем карьерном сайте без свежей визитки мы не рассматриваем.
Нововведение, как обычно, в том, что теперь визитки отсматривают сначала не наши эйчары, а ИИ. Алгоритм, наученный миллионами примеров, считывает компетенции, в основном софтовые, но и хардовые тоже — по реакциям на соответствующие вопросы. ИИ анализирует, как разработчик говорит, презентует себя, жестикулирует.
Как и этап составления резюме, поиск вакансий и кандидатов у нас тоже полагается на ИИ.
В двадцатые годы одной из HR-проблем была чрезмерная популярность площадок с поиском работы. На одну вакансию могла упасть тысяча откликов. Сопоставить каждое сопроводительное и каждое резюме с требованиями вакансии малореально даже для нашего большого эйчар-отдела. Даже опытные специалисты порой хотели плюнуть на площадки и пойти искать контакты через знакомых или в тематических чатах: как раз человек 10–15 отзовётся, можно будет всех нормально рассмотреть.
К 2035-му проблема ушла в историю. Не нужно быть дата-сайентистом: нажатием встроенной в интерфейс кнопки наш сотрудник-эйчар оставляет от тысячи откликов только подходящие под требования.
Не мы одни в выигрыше от точного мэтчинга вакансий и резюме. Соискатели тоже могут не копаться в сотнях вакансий. Достаточно активировать резюме — выпадут только подходящие предложения. И сгенерируются первые драфты сопроводительных писем, куда ИИ подгрузит релевантные кейсы из резюме.
Обратная сторона удобства — возрос успех обманщиков. Раньше фейковое резюме с фейковыми навыками становилось одним из тысячи и с высокой вероятностью наш сотрудник его просто не читал. Сейчас успешный читер сразу запрыгивает в избранный круг — несколько десятков резюме, которые пройдут ИИ-барьер и попадут к человеку.
Но даже несколько десятков собеседований заняли бы у рекрутера в лучшем случае полную рабочую неделю. А ведь есть другие дела, новые отклики, остальные этапы найма… Поэтому собеседования тоже отдали ИИ почти сразу после того, как это стало возможно технически.
Как и в случае с видеовизитками, ИИ оценивает не только содержание интервью, но и поведение кандидата: как у тебя напрягаются мышцы лица, как собеседник краснеет, бледнеет, напрягает спину. Из этого видно, насколько он действительно владеет навыками, которые заявил.
В какой-то момент истории соискатели обходили считывание эмоций и недостаток знаний, выставляя на AI-собеседование вместо себя свой сгенерированный ИИ-аватар с обширной базой данных и высокоранговой мимикой.
Однако AI-собеседования стали совершеннее. Безопасники в крупных компаниях (среди них были и мы) разобрали подобные инциденты, теперь перед интервью компании требуют подтверждать личность. Самые недоверчивые (среди них нас нет) — проводят интервью только в собственных комнатах с видеокамерами, куда соискателям нужно приходить.
Цель AI-собеседования — прежде всего отсеять всех неподходящих кандидатов. С подходящими будет общаться уже наш рекрутер-человек и выбирать из них наиболее подходящего.
Порой человек с отличным резюме превосходно проходит собеседование, но не вписывается в команду. Такие случаи бывали и у нас. До AI-эпохи это было проблемой и для команды, и для соискателя, который мог пройти все этапы, устроиться на работу — а потом вскоре уволиться одним днём. Сейчас эйчары в ГПБ внедрили третий этап трудоустройства, так называемый мэтчинг.
Для каждой команды в банке ИИ создаёт усреднённый психологический профиль. Такой же профиль он собирает для кандидата из всех доступных данных. И сопоставляет эти профили, чтобы проверить, насколько новый сотрудник подойдёт.
Не всегда AI-мэтчинг работает идеально. Но, во-первых, явно лучше, чем раньше, а во-вторых, каждый допущенный мисмэтч — материал для дообучения алгоритма.
Возможно, в 2024-м такая вывеска на двери одного из офисных кабинетов выглядела бы шуткой. Но к 2035-му человечество накопило большой опыт взаимодействия с ИИ. И этот опыт зачастую сопряжён с бессилием и отчаянием, ведь искусственный интеллект не способен понять тебя по-настоящему, так, как другой человек. Ты регулярно упираешься в то, что перед тобой не собеседник, а имитация, пусть даже идеальная.
Ситуация усугубляется тем, что ИИ плотно обложен этическими параметрами: он не должен ругаться, злиться, давать плохие советы, должен, наоборот, поддерживать. Намерения-то благие, вот только всё это лишь подчёркивает, что ИИ — не живой.
Так что у нас в ГПБ работает штатный психолог, готовый помочь каждому пострадавшему от ИИ разработчика, — это не шутка.
Выгорание старых сотрудников — одна из основных причин, по которой нужны новые. Поэтому предотвращать выгорание — один из приоритетов нашего HR-отдела.
Мы, как и другие компании, и раньше отслеживали выгорание — обычно по опросам-360, раз в год, два раза. Метрика не самая точная: люди ошибаются, иногда скрывают трудности из страха увольнения. А опрос легко может прийтись на особенно удачный или феноменально неудачный день. Банально опросы до отпуска и после дадут два разных портрета одного и того же человека.
AI-опросы бьют по всем недостаткам разом. Опросы можно делать хоть раз в неделю — замеряем динамику. Недооценка и переоценка проблем тоже сглаживается, когда опросы регулярные. А обман ИИ уже научился вычислять по языку тела.
Ещё значительное искажение вносили совестливые сотрудники, которые не хотели нагружать коллегу-человека своими проблемами. Как в чёрной шутке, где на могильном камне написано: «Я чуть-чуть полежу, и всё пройдёт».
Как раз с этими ребятами ИИ особенно эффективен. Искусственный интеллект нагружать проблемами не стыдно, поэтому работники охотно делятся с ним наболевшим. А чтобы не переставали делиться — руководство не видит конкретных жалоб, только AI-саммари: такой-то сотрудник удовлетворён работой на 42%, рекомендую расспросить, как улучшить его условия.
Быстро выяснилось, что даже наши регулярные опросы сами по себе снижают выгорание. Люди чувствуют: начальству их состояние небезразлично. Просто раньше начальники физически не могли интересоваться каждым сотрудником часто, а теперь, когда есть продвинутый ИИ, могут и интересуются.
К 2035 году хорошие результаты в этом направлении побудили нас развить в компании функционал опрашивающих ИИ до механических коучей. Ассистент владеет основами КПТ, и мы активно призываем всех сотрудников с ним общаться. Смысл жизни ИИ не объяснит, но выслушает, поймёт и проконсультирует, как действовать, чтобы решать проблемы, адаптироваться и чувствовать себя лучше на рабочем месте.
Вернёмся в 2024-й. Пока что ИИ не захватил всё и вся. Но, пожалуй, для повсеместного внедрения это самая перспективная технология.
Благодаря ИИ айти приходит в новые области. Не только в высокотехнологичные, о которых рассказали наши авторы. ИИ поможет вычислять эффективность дальнобойщиков в грузовиках и шаурмистов в палатках.
Возможно, озвученные в статье прогнозы не сбудутся. Так бывает: 2015-й миновал, а у нас нет ни аэробордов, ни одежды, автоматически подгоняющейся под размер. Читатели из 2035-го скажут: вот же наивные у них были представления!
Возможно (и более вероятно), прогнозы сбудутся, но позже 2035-го. Одна на первый взгляд малозначимая нерешаемая мелочь способна затянуть прогресс на десятилетия. Вероятный кандидат — проблема обучения моделей: когда большинство данных будет сгенерировано, как исказится генерация, основанная на результатах предыдущих генераций?
Если у вас другой взгляд на ИИ в 2035 году — есть уникальная возможность проверить, кто прав. Делитесь в комментариях своими предсказаниями. В 2035-м мы снова откроем эту статью и посмотрим, чья взяла.
А самые яркие и интересные предсказания мы (с вашей помощью) разовьём, опубликуем на Хабре — и нарисуем по их мотивам комиксы.
2035 год кажется вам далеким будущим? А ведь он ближе, чем 2013-й…
В 2013-м было сложно представить, как AI-технологии изменят мир через десять лет. Но сейчас перспектива обрисовалась: к 2035-му искусственный интеллект проникнет везде, где сможет быть полезен. Как именно это произойдёт — лучше всех представляют люди, которые внедряют ИИ.
Для этой статьи мы попросили трёх наших экспертов провести нам экскурсию по нейросетевому будущему и по тому, как устроены процессы в ГПБ одиннадцать лет тому вперёд. Под катом: финтех, кодинг и наём сотрудников в 2035 году.
Автор: Мария Косарева, вице-президент, начальник Департамента анализа данных и моделирования
Представим, что в 2035 году юзер хочет взять у нас в ГПБ кредит на машину — летающую, само собой. Выдача кредита для него будет выглядеть так.
Сперва, как и в 2024-м, пользователь заходит в приложение банка. На входе в приложение лицо проверяет AI-биометрия.
Чтобы мошенники не брали кредиты на невинных пользователей с помощью дипфейка, в 2035 году в кибербезопасности работают дата-сайентисты — их AI-алгоритмы без труда определяют любой AI-фейк. Рыбак рыбака, как говорится, детектирует в 4К.
А если алгоритм по ошибке принимает самого пользователя за дипфейк (например, юзер пытается зайти в приложение с утра пораньше и выглядит непохоже на себя самого), есть безотказные опции — «приложить палец» и «ввести пин».
Получается как с видеосвязью: в фантастике только по ней и говорят, а в жизни люди продолжают созваниваться голосом.
В приложении юзер заходит в раздел «Кредиты». Что там — зависит от пользователя. Как и сейчас, в 2035-м мы вычисляем кредитный рейтинг перед кредитованием. Только параметров больше: ИИ использует больше доступных данных. Какие именно — я расскажу чуть позже, а пока посмотрим, как ассистент взаимодействует с желающими взять кредит.
Если кредитный рейтинг у человека отличный, ИИ-ассистент в приложении регулярно показывает баннер с кредитом на заманчивых условиях. Юзеры с низким рейтингом такую рекламу не видят. В самом кредитном разделе пользователь с хорошим рейтингом сразу получает от ассистента предложение взять кредит на условиях из рекламы.
А если рейтинг не очень? Тогда, даже если пользователь сам заходит в раздел кредитов, то личный ИИ-помощник говорит ему: «Вы и так всю зарплату тратите на импульсивные покупки. Может, повременить с кредитом?»
Выглядит, будто мы заботимся о пользователях в ущерб себе. Но на самом деле у нас же нет цели любой ценой выдать как можно больше кредитов. В первую очередь нужны хорошие показатели возвратов. ИИ-ассистент работает на то, чтобы эти показатели не ухудшились из-за выдачи кредита ненадёжному клиенту.
Так что нам просто незачем подталкивать каждого виртуального посетителя к заявке на кредит, которую всё равно в итоге не одобрят. Вместо этого разработанный нами ИИ-ассистент подсказывает пользователям с низким кредитным рейтингом, как его улучшить, даёт персонализированные рекомендации, основанные на детальных данных юзера. Это — пожалуйста, это взаимовыгодно.
Чтобы подобрать подходящие условия кредита в 2024 году, искусственный интеллект анализировал кредитную историю клиента. А в 2035-м информации куда больше: наш банковский ИИ изучает весь цифровой след пользователя. В ход идут данные из соцсетей, из фотогалереи, из приложения для здоровья, с умных часов.
Мы пользуемся тем, что прогресс произошёл не только в AI. К 2035-му люди перестали бояться давать банкам доступ к данным. Оказывается, если график сна и пульс помогают сделать кредит выгоднее — этой информацией люди тоже свободно делятся.
Если пользователь согласен на условия, можно переходить к подписанию договора о кредитовании. ИИ легко может выдать кредит, не привлекая живого менеджера. Но… не будет делать этого. Даже пользователь с превосходным рейтингом может перестать платить по кредиту. Кто за это ответит — разработчики ИИ? Да они никогда не подпишутся на такие условия.
Поэтому подпись на договоре в финале ставит живой сотрудник ГПБ (хоть бы и электронную). А ИИ делает всё остальное: изучает данные, выдвигает условия и составляет документы. Весь процесс занимает совсем немного времени — и пользователь получает свой желанный кредит на летающее авто.
Давайте посмотрим, кто такой финтех-разработчик в ГПБ в 2035-м и что для него «нормальная задача». Конечно же, ИИ не миновал и его.
В 2024-м разработчики, использующие AI, выглядят подозрительно: ты настоящий айтишник или только промпты писать умеешь? Но к 2035-му ситуация полностью поменялась. Многие разработчики в ГПБ умеют писать только промпты, но при этом они — настоящие айтишники. Их профессия — промпт-инженер. Задачи: добиваться от чат-джипити нужного кода и проверять этот код, прежде чем его начнут использовать на проде в банковском приложении, например.
При этом разработчики, которые занимаются не только промптами, в компании тоже есть, про них мы подробнее поговорим дальше, в следующем предсказании.
Помимо промт-инженеров мы активно набираем на работу кибербезопасников. Не только для того, чтобы проверять, безопасен ли код, написанный ИИ по промту. Просто ИИ доступен любому дошкольнику. И этому детскому садику нужны воспитатели, которые отследят, что безопасности пользовательских данных и денег не угрожают ни люди, ни созданные ими вредоносные AI-модели.
С безопасниками сотрудничают дата-сайентисты, эта профессия всё более востребована. Благодаря ИИ почти все разработчики (и у нас в компании, и за её пределами) хоть сколько-нибудь занимаются дата-сайенсом. Промпт-инженер в ГПБ иногда и собирает данные, и строит новые модели. Например, улучшенную версию ИИ-ассистента для свежей версии приложения.
Для разработчиков в других сферах в 2035-м тоже необычно кодить полностью самостоятельно. Уже в 2024 году скорость кодинга у новичка с участием ИИ-чата возрастала на 30 % — мы замеряли. В 2035-м писать весь код самостоятельно — как передвигаться на любые расстояния исключительно пешком. Мы предпочитаем летать (на машине).
Автор: Алексей Смирнов, заместитель начальника Департамента анализа данных и моделирования
О разработке в общем поговорили, давайте теперь погрузимся в работу с кодом и участие AI в ней.
Существует стереотип, что ИИ полностью заменит айтишника. Возможно, в далёком будущем так будет. Но не в 2035-м: здесь разработчик в ГПБ работает в плотном партнёрстве с искусственным интеллектом.
Давайте представим, как ИИ помогает мидлам в ГПБ решать разные задачи. Чтобы вы увидели, что ИИ нужен не только в качестве обучалки новичков и тулзы для промпт-инженеров.
Предположим, в приложении ГПБ готовится новая фича: генеративные сториз для пользователей на основе их прошлых интересов. Чтобы фичу реализовать, нужно решить много задач поменьше. Например, сделать так, чтобы ИИ-модель при генерации сториз точно и подробно учитывала дизлайки пользователя.
Эту задачу мы передаём разработчику-мидлу. Когда он выходит на работу и включает компьютер, AI-помощник сразу ему сообщает, что новый таск упал в бэклог — вместо Трелло, Джиры и других подобных досок. Разработчик подтверждает голосом, что берёт задачу, ассистент отмечает это в карточке.
ИИ сразу автоматически разворачивает всю необходимую среду разработки, подключается к нужным репозиториям, закачивает подходящие фреймворки в IDE, даже отправляет команду кофемашине.
Ассистент помогает разработчику погрузиться в задачу: делает саммари из бизнес-требований — зачем заказчикам нужна эта фича. Смотрит в историю разработки мидла и напоминает, что похожего мидл уже делал в других проектах. Чекает, можно ли оттуда что-то переиспользовать, чтобы решить задачу быстрее. Если получится — помогает понять, насколько это целесообразно.
Через пять минут после того, как задача упала разработчику, ИИ уже погрузил его в детали и полностью развернул рабочее место. И кофе готов.
Допустим, ИИ взял из прошлых проектов автотесты или юнит-тесты. Теперь он накидывает для фичи варианты решений, которые есть в опенсорсе или в открытом коде.
Конечно, это далеко до полного автопилота. Но на второго пилота тянет вполне.
Разработчик трудится, но задача сложная и повергла его в ступор, решения не видно. Вместо того чтобы отвлекать коллегу, который сидит рядом, мы в такой ситуации рекомендуем разработчику сразу обратится к ИИ-второму пилоту. Тот сразу похожие варианты накидывает: вот так делают в «Нетфликсе», так — в «Убере», какие мировые практики используем для ГПБ?
ИИ напоминает про встречи по вехам проекта и про то, что кофе кончается — надо бы заказать, чтобы вовремя к одной из этих встреч закоммитить фичу. Разве коллега в офисе станет так заботиться?
Когда нам нужно новое приложение или решение, его архитектурой занимается прежде всего не айтишник, а ИИ. Именно ИИ накидывает варианты архитектуры в виде схем, разработчик выбирает уже подходящую и правит. Двигает квадратики, перетягивает стрелочки.
Причём ИИ знает, что архитектуру будут смотреть многие сотрудники банка из разных подразделений. Поэтому стрелочками помечает разное взаимодействие. Например, если эта означает безопасный туннель для бэкапов — ИИ подсветит её нужным цветом, определит жирность, пунктирность и так далее. Чтобы в будущем другие разработчики понимали, про что эта стрелочка. И другие ИИ-ассистенты тоже.
Кодинг на всех уровнях разработки в ГПБ пока не отменён, однако уже достигнуто соотношение как в принципе Парето: 80% кода генерирует ИИ, 20% — пишут разработчики.
Конечно, за ИИ всегда надо проверять: та ли задача выполняется, всё ли работает, где нужны чекпоинты и дебаг-точки, можно ли оптимизировать код. Но ведь ИИ тоже проверяет за человеком, так что всё честно. Параллельное программирование получается.
Когда ИИ написал что-то не то, разработчику вовсе не обязательно ругаться и переделывать руками. Как правило, достаточно сказать ассистенту, что не так, и он предложит исправленный вариант кода.
ИИ следит за тем, насколько эффективные решения использует специалист в работе. Допустим, разработчик применил пузырьковую сортировку. ИИ спрашивает его: «А она здесь точно эффективна? Составил тебе подборку хабрастатей, где ребята пишут про новые методы сортировки. Хочешь, приподниму браузер и ты почитаешь? Или могу тебе подготовить саммари из трёх статей, самую выжимку». Так ассистент работает на то, чтобы сотрудники ГПБ на работе постоянно прокачивались и развивались.
Сразу изучать материалы необязательно — опция не пропадёт. ИИ напомнит их почитать после работы, если сотрудник попросит.
Но это скорее бонус. Главная задача AI-ревью — показать, на что в проекте нужно обратить внимание. ИИ выступает мидл-менеджером от банка: например, подсвечивает несоответствия требованиям заказчика.
Или ИИ способен подсветить место, где пока не возникает ошибка, но может возникнуть. Чтобы заранее снизить количество багфиксов и откатов. Например, на этапе отправки в git разработчик и ассистент что-то не учли, а из-за этого могут возникнуть проблемы у коллег в другой команде. AI-ревью это отдельно покажет.
При разработке небольшого внутреннего банковского приложения в основу изначально положили Python. Но в Python одна из ключевых для приложения функций слишком медленная, её не хватает, чтобы обрабатывать постоянный поток запросов.
Разработчик садится допиливать фичу. Какой язык взять для разработки? ИИ говорит: «Ну конечно, Python — не про скорость. Давай попробуем накидать кейс, если её на C сделать. Вынесем в отдельный сервис и будем туда стучаться из нашего пайтон-приложения».
ИИ разворачивает всё, что нужно для C, накидывает реализацию этого же кода на Python, но в C. Разработчик смотрит, говорит: «Да, круто. Давай потестим его по скорости, посмотрим, как это всё будет». ИИ компилит, говорит: «Сервис доступен, давай постучимся. Хотя я уже постучался, проверил нас. Проходим по таймингу, всё нормально. Можем использовать такой подход и сделать этот сервис для наших пайтон-приложений».
Затем ИИ сам скидывает предложения по оптимизации в чат разработки. Другие ИИ-ассистенты распознают, к чему относится идея, и тегают нужных разработчиков и тимлидов.
В свою очередь их ИИ-ассистенты подсвечивают им: «Смотри, какой сервис придумали! Может, нам поучаствовать? Я сделал ревью наших предыдущих работ, у нас тоже там есть релевантные — вынесем на митинг?» А ИИ-помощник тимлида предлагает варианты, как поменять архитектуру.
Собирается большой митинг команды о том, как создать такой глобальный сервис для оптимизации проекта. ИИ ведёт митинг, собирает темы обсуждения в сжатом виде. По итогам митинга новое решение уходит в разработку и уже довольно скоро оказывается в проде, решая нашу проблему с медленной обработкой запросов.
Вот такой в ГПБ в 2035-м CI/CD. Это вам не огромные портянки в письмах, где разработчики забывают, о чём письмо-то было, пока доскроллят донизу.
Из 2024-го может показаться, что в ИИ-ассистентах и в горé генерируемой ими инфы легко запутаться. Но такой процесс не возник сразу. Потихоньку ИИ-ассистенты получили новые удобные фичи, а потом эти фичи стали частью жизни. Людям в 2012-м тоже было сложно представить, как все пуляются голосовухами и кружкáми в мессенджерах.
На заре AI-эры казалось, что тестировщик — профессия, которая пострадает. ИИ способен нечеловечески быстро отрабатывать кучу платформ и сценариев использования.
Но у нас в банке тестировщики работают по-прежнему. Хотя задачи мы перед ними ставим совсем другие. Теперь тестировщик чаще использует автотесты или даже просто описывает ИИ-помощнику кейсы. А ИИ ищет нужные данные во внутренней ИИ-википедии, где ассистенты ими обмениваются.
Например, ИИ должен нажать на синюю кнопку, которая должна стать зелёной. Потом должен её отпустить — а кнопка опять стать синей. У человека-тестировщика основная загвоздка была бы: «А я все версии нужных браузеров проверил? А смартфонов?» На последовательные проверки уходит очень много ценного времени.
ИИ играючи снимает этот вопрос. Он гарантированно тестирует во всех браузерах и платформах за одну секунду в фоне. Ещё и показывает, в каких комбинациях сценарий отработал по-другому и почему. А человек проверяет и анализирует уже готовые быстро полученные результаты. Это позволяет нам намного скорее запускать новые фичи и доносить пользу клиентам.
ИИ следит за сохранностью нашего кода. Допустим, разработчик встал из-за офисного стола сходить за кофе. Тем временем уборщица протёрла клавиатуру от пыли. Сработала комбинация клавиш — автокоммит. И ассистент заблокировал это действие, запросил пароль. Почему? Либо увидел нетипичное поведение, либо обучился распознавать, когда разработчик отходит от компьютера. Зачем? Чтобы ни в коем случае не положить одним неудачным автокоммитом прод банка, как это могло случиться в прошлом.
Но это простой случай: прямое нарушение политик безопасности. Мы настроили ИИ-помощников, чтобы те отслеживали потенциальные опасности и на более тонком уровне. Например, разработчик придумал код. Ассистент видит, что использованная библиотека ничем не угрожает, но её нет в реестре доступных, и предлагает попросить у отдела безопасности валидировать эту библиотеку.
Мы внедрили и используем ИИ для пользы конечных пользователей продукта. Они могут не задумываться, но для них ИИ — однозначный союзник. Приложения станут надёжнее, а обновления — быстрее.
Процесс закономерный, ведь ИИ делает основную работу по валидации необходимых артефактов. Это и описание, и автоматическая связка, и коммит с задачей в бэклоге, и напоминание разрабу, что ему надо зайти написать комменты — или даже ИИ их сам напишет, а человеку напомнит проверить.
Но основная причина качества — ИИ челленджит разработчика на лучшие решения по скорости. Так что с помощью ИИ мы тренируем каждого мидла быть немного стратегом. Ведь бездумно выполнять задачи ассистент может и сам.
Основной навык, который нам нужен от разработчика к 2035-му году, — креативность, потому что ИИ идеально справляется с рутиной. Прописать доступы? Ассистент сделает. Придумать нестандартное решение? Это к человеку.
Когда AI-эпоха только начиналась, ИИ помогал хитрым новичкам заскочить на ответственные должности. Хорошо, что к 2035-му мы научились разбираться, кто действительно ищет лучшие решения, а кто просто одобряет стандартные варианты от ИИ, пока проект не превратится в нежизнеспособное нагромождение кода.
Как мы отличаем креативного специалиста с фундаментальными знаниями от нахватавшегося по верхам промптера?
Специалист, которого мы ищем, должен уметь прыгать выше головы. Если стоит задача выполнять процесс не дольше трёх секунд — справится ИИ, потому что похожих вариантов куча. От человека мы ждём, что он придумает, как ускорить процесс до одной секунды.
Может, в конкретном случае ускорять и не критично. Зато мы поймём, что этот разработчик шарит. И его навыки окупятся, потому что из сотен креативных улучшений и вырастает качественно новый сервис.
Автор: Елена Лунева, заместитель начальника Департамента анализа данных и моделирования
Давайте расскажу в деталях, как же мы нанимаем в банк сотрудников в эпоху ИИ.
Соискатели создавали и апгрейдили резюме с помощью ИИ ещё в 2024-м. Более того — можно было запросить у LLM-ки резюме под конкретную вакансию, чтобы на идеального кандидата точно обратили внимание.
Правда, модель периодически галлюцинировала — но это легко было увидеть. Ну или путала похожие термины — а это уже не каждый мог понять. Жаль, что было мало понимающих…
Например, есть дата-сайенс-аналитики, аналитики отчётности, бизнес-аналитики и аналитики в бизнесе. Это очень разные профессии, даже две последние. И чат-джипити мог для аналитика в бизнесе подтянуть описание бизнес-аналитика. Было бы смешно, если бы сотрудникам HR-отдела не приходилось тратить драгоценные рабочие секунды на не особо хитрых промптеров.
К 2035-му у проблемы появилось решение: теперь айтишники активнее всего добавляют в резюме подтверждения навыков от работодателей и коллег. Резюме без подтверждений от других людей автоматически уезжают в конец очереди. Поэтому соискатели подтверждают навыки, чтобы получать офферы. Некоторые площадки с работой даже запретили составлять резюме без подтверждений.
Подтверждения стали валютой найма: чем больше людей гарантирует твои навыки, тем проще найти интересную работу с приятной зарплатой. Классическое резюме больше не нужно разработчику и для того, чтобы устроиться к нам на работу. Эйчару куда проще будет взглянуть на красноречивые списки подтверждённых навыков.
Как водится, на каждую метрику находят абуз. Схема достаточно проста — чёрный рынок подтверждений. А на абуз своя контратака: ИИ вычисляет, какие узлы сети раскидывают аномально много подтверждений. А недобросовестные узлы маскируются под множества мелких узлов, где каждый аккаунт подтверждает в разумных количествах…
У нас работа кипит, нет времени ждать, пока закончится эта вечная борьба меча и брони. Мы адаптировали старый уровень проверки — видеовизитки. Это ролики, где соискатель минут 10 отвечает нам на типовые вопросы. Отклики на сайтах с резюме и на нашем карьерном сайте без свежей визитки мы не рассматриваем.
Нововведение, как обычно, в том, что теперь визитки отсматривают сначала не наши эйчары, а ИИ. Алгоритм, наученный миллионами примеров, считывает компетенции, в основном софтовые, но и хардовые тоже — по реакциям на соответствующие вопросы. ИИ анализирует, как разработчик говорит, презентует себя, жестикулирует.
Как и этап составления резюме, поиск вакансий и кандидатов у нас тоже полагается на ИИ.
В двадцатые годы одной из HR-проблем была чрезмерная популярность площадок с поиском работы. На одну вакансию могла упасть тысяча откликов. Сопоставить каждое сопроводительное и каждое резюме с требованиями вакансии малореально даже для нашего большого эйчар-отдела. Даже опытные специалисты порой хотели плюнуть на площадки и пойти искать контакты через знакомых или в тематических чатах: как раз человек 10–15 отзовётся, можно будет всех нормально рассмотреть.
К 2035-му проблема ушла в историю. Не нужно быть дата-сайентистом: нажатием встроенной в интерфейс кнопки наш сотрудник-эйчар оставляет от тысячи откликов только подходящие под требования.
Не мы одни в выигрыше от точного мэтчинга вакансий и резюме. Соискатели тоже могут не копаться в сотнях вакансий. Достаточно активировать резюме — выпадут только подходящие предложения. И сгенерируются первые драфты сопроводительных писем, куда ИИ подгрузит релевантные кейсы из резюме.
Обратная сторона удобства — возрос успех обманщиков. Раньше фейковое резюме с фейковыми навыками становилось одним из тысячи и с высокой вероятностью наш сотрудник его просто не читал. Сейчас успешный читер сразу запрыгивает в избранный круг — несколько десятков резюме, которые пройдут ИИ-барьер и попадут к человеку.
Но даже несколько десятков собеседований заняли бы у рекрутера в лучшем случае полную рабочую неделю. А ведь есть другие дела, новые отклики, остальные этапы найма… Поэтому собеседования тоже отдали ИИ почти сразу после того, как это стало возможно технически.
Как и в случае с видеовизитками, ИИ оценивает не только содержание интервью, но и поведение кандидата: как у тебя напрягаются мышцы лица, как собеседник краснеет, бледнеет, напрягает спину. Из этого видно, насколько он действительно владеет навыками, которые заявил.
В какой-то момент истории соискатели обходили считывание эмоций и недостаток знаний, выставляя на AI-собеседование вместо себя свой сгенерированный ИИ-аватар с обширной базой данных и высокоранговой мимикой.
Однако AI-собеседования стали совершеннее. Безопасники в крупных компаниях (среди них были и мы) разобрали подобные инциденты, теперь перед интервью компании требуют подтверждать личность. Самые недоверчивые (среди них нас нет) — проводят интервью только в собственных комнатах с видеокамерами, куда соискателям нужно приходить.
Цель AI-собеседования — прежде всего отсеять всех неподходящих кандидатов. С подходящими будет общаться уже наш рекрутер-человек и выбирать из них наиболее подходящего.
Порой человек с отличным резюме превосходно проходит собеседование, но не вписывается в команду. Такие случаи бывали и у нас. До AI-эпохи это было проблемой и для команды, и для соискателя, который мог пройти все этапы, устроиться на работу — а потом вскоре уволиться одним днём. Сейчас эйчары в ГПБ внедрили третий этап трудоустройства, так называемый мэтчинг.
Для каждой команды в банке ИИ создаёт усреднённый психологический профиль. Такой же профиль он собирает для кандидата из всех доступных данных. И сопоставляет эти профили, чтобы проверить, насколько новый сотрудник подойдёт.
Не всегда AI-мэтчинг работает идеально. Но, во-первых, явно лучше, чем раньше, а во-вторых, каждый допущенный мисмэтч — материал для дообучения алгоритма.
Возможно, в 2024-м такая вывеска на двери одного из офисных кабинетов выглядела бы шуткой. Но к 2035-му человечество накопило большой опыт взаимодействия с ИИ. И этот опыт зачастую сопряжён с бессилием и отчаянием, ведь искусственный интеллект не способен понять тебя по-настоящему, так, как другой человек. Ты регулярно упираешься в то, что перед тобой не собеседник, а имитация, пусть даже идеальная.
Ситуация усугубляется тем, что ИИ плотно обложен этическими параметрами: он не должен ругаться, злиться, давать плохие советы, должен, наоборот, поддерживать. Намерения-то благие, вот только всё это лишь подчёркивает, что ИИ — не живой.
Так что у нас в ГПБ работает штатный психолог, готовый помочь каждому пострадавшему от ИИ разработчика, — это не шутка.
Выгорание старых сотрудников — одна из основных причин, по которой нужны новые. Поэтому предотвращать выгорание — один из приоритетов нашего HR-отдела.
Мы, как и другие компании, и раньше отслеживали выгорание — обычно по опросам-360, раз в год, два раза. Метрика не самая точная: люди ошибаются, иногда скрывают трудности из страха увольнения. А опрос легко может прийтись на особенно удачный или феноменально неудачный день. Банально опросы до отпуска и после дадут два разных портрета одного и того же человека.
AI-опросы бьют по всем недостаткам разом. Опросы можно делать хоть раз в неделю — замеряем динамику. Недооценка и переоценка проблем тоже сглаживается, когда опросы регулярные. А обман ИИ уже научился вычислять по языку тела.
Ещё значительное искажение вносили совестливые сотрудники, которые не хотели нагружать коллегу-человека своими проблемами. Как в чёрной шутке, где на могильном камне написано: «Я чуть-чуть полежу, и всё пройдёт».
Как раз с этими ребятами ИИ особенно эффективен. Искусственный интеллект нагружать проблемами не стыдно, поэтому работники охотно делятся с ним наболевшим. А чтобы не переставали делиться — руководство не видит конкретных жалоб, только AI-саммари: такой-то сотрудник удовлетворён работой на 42%, рекомендую расспросить, как улучшить его условия.
Быстро выяснилось, что даже наши регулярные опросы сами по себе снижают выгорание. Люди чувствуют: начальству их состояние небезразлично. Просто раньше начальники физически не могли интересоваться каждым сотрудником часто, а теперь, когда есть продвинутый ИИ, могут и интересуются.
К 2035 году хорошие результаты в этом направлении побудили нас развить в компании функционал опрашивающих ИИ до механических коучей. Ассистент владеет основами КПТ, и мы активно призываем всех сотрудников с ним общаться. Смысл жизни ИИ не объяснит, но выслушает, поймёт и проконсультирует, как действовать, чтобы решать проблемы, адаптироваться и чувствовать себя лучше на рабочем месте.
Вернёмся в 2024-й. Пока что ИИ не захватил всё и вся. Но, пожалуй, для повсеместного внедрения это самая перспективная технология.
Благодаря ИИ айти приходит в новые области. Не только в высокотехнологичные, о которых рассказали наши авторы. ИИ поможет вычислять эффективность дальнобойщиков в грузовиках и шаурмистов в палатках.
Возможно, озвученные в статье прогнозы не сбудутся. Так бывает: 2015-й миновал, а у нас нет ни аэробордов, ни одежды, автоматически подгоняющейся под размер. Читатели из 2035-го скажут: вот же наивные у них были представления!
Возможно (и более вероятно), прогнозы сбудутся, но позже 2035-го. Одна на первый взгляд малозначимая нерешаемая мелочь способна затянуть прогресс на десятилетия. Вероятный кандидат — проблема обучения моделей: когда большинство данных будет сгенерировано, как исказится генерация, основанная на результатах предыдущих генераций?
Если у вас другой взгляд на ИИ в 2035 году — есть уникальная возможность проверить, кто прав. Делитесь в комментариях своими предсказаниями. В 2035-м мы снова откроем эту статью и посмотрим, чья взяла.
А самые яркие и интересные предсказания мы (с вашей помощью) разовьём, опубликуем на Хабре — и нарисуем по их мотивам комиксы.