Не верьте сильному голосу. Как видеть скрытые мотивы лидеров

Введение

Еще недавно разговор о работе строился вокруг понятной лестницы. Человек учился, получал профессию, входил в организацию, набирался опыта, переходил с должности на должность и постепенно становился тем, кого принято было называть надежным специалистом. Эта схема не была идеальной. В ней хватало скуки, случайности и несправедливости. Но у нее было одно удобное свойство: она казалась устойчивой. Родители могли объяснить детям, зачем нужна учеба. Университет мог обещать, что диплом откроет дверь. Руководитель мог рассчитывать, что одна и та же должностная инструкция проживет несколько лет без сильных правок. Сегодня эта спокойная картина расползается прямо на глазах.

Искусственный интеллект не пришел в экономику как отдельная машина в углу цеха. Он вошел в письма, таблицы, поиск, поддержку клиентов, медицину, подбор персонала, аналитику, дизайн, обучение, производство и управление. Раньше техника чаще всего заменяла физическое усилие. Теперь она заходит на территорию текста, решения, классификации, прогноза и даже части творческой работы. Поэтому разговор о будущем труда перестал быть разговором только для инженеров. Он касается бухгалтера, врача, учителя, менеджера по продажам, юриста, студента, владельца малого бизнеса и человека, который пока просто пытается понять, чему учиться дальше.

Первый страх понятен: если программа может делать часть моей работы быстрее, дешевле и без усталости, что останется мне? Этот вопрос нельзя отмахнуть бодрой фразой. Часть задач исчезнет. Некоторые должности станут меньше. Кому-то придется менять область, а кому-то болезненно доказывать ценность там, где раньше ее не приходилось объяснять. Но было бы ошибкой видеть в ИИ только замену. Там, где исчезают одни привычные операции, появляются другие: настройка систем, проверка результата, работа с данными, управление рисками, объяснение сложного простым языком, ответственность за этику решений, связь между технической командой и людьми, которым потом жить с последствиями внедрения.

Главная перемена состоит не в том, что одни профессии умрут, а другие родятся. Так происходило и раньше. Перемена глубже: теперь человеку нужно постоянно пересобирать свою пригодность к работе. Не раз в десять лет, не после увольнения, не тогда, когда рынок уже хлопнул дверью. Речь идет о привычке замечать движение раньше, чем оно стало угрозой. Что автоматизируют в моей отрасли? Какие задачи остаются за людьми? Какие навыки усиливают меня рядом с машиной? Где я умею думать, а где только повторяю инструкцию? На такие вопросы неприятно отвечать, потому что они снимают иллюзию покоя. Но именно с них начинается взрослая карьера в технологическую эпоху.

Эта книга не про поклонение технологиям. У ИИ достаточно ограничений, ошибок и опасных соблазнов. Алгоритмы могут закреплять перекосы, если их обучали на кривых данных. Автоматические решения могут выглядеть уверенно и при этом ошибаться. Работодатель может использовать слово «эффективность» как прикрытие для плохого отношения к людям. Школа может купить модную платформу и не изменить сути обучения. Поэтому разговор о будущем работы обязан быть трезвым. Техника полезна только тогда, когда человек понимает, зачем он ее применяет, что она может, чего не может и кто отвечает за итог.

Но и обратная крайность вредна. Нельзя закрыться от новых инструментов обидой или усталостью. На практике рынок редко спрашивает, удобно ли нам меняться. Он просто меняется. Если в отделе появился инструмент, который за минуты делает то, на что раньше уходил день, прежняя гордость за ручной труд быстро теряет вес. Уважают не того, кто страдает дольше всех, а того, кто умеет получить хороший результат, объяснить его, проверить и сделать полезным для других. В этом смысле ИИ не отменяет профессионализм. Он заставляет точнее понять, из чего профессионализм состоит.

Раньше трудоустройство часто сводили к набору пунктов: образование, опыт, уверенное владение такой-то программой, знание языка, рекомендации. Теперь этого мало. Человек может иметь диплом и устаревшие привычки. Может знать инструмент, но не уметь задать задачу. Может быть сильным специалистом и разваливать любую совместную работу из-за грубости, страха или неспособности слушать. Пригодность к работе в новую эпоху складывается из технической грамотности, способности учиться, критического мышления, ясной коммуникации, эмоциональной зрелости и готовности менять маршрут без истерики. Это звучит много, но жизнь всегда требовала от взрослого человека больше, чем строчка в резюме.

Образование в этой ситуации становится не этапом, который заканчивается выпускным, а постоянным способом держать связь с реальностью. В школе и университете уже нельзя ограничиваться передачей готовых ответов. Готовые ответы дешевеют. Дорожает умение задавать вопросы, видеть связи, отличать факт от шума, строить аргумент, работать с неопределенностью, признавать ошибку и начинать заново. Если учебная система готовит человека только к правильному варианту в тесте, она отправляет его в мир, где теста нет, но есть сложная задача, разные интересы, неполные данные и последствия решений.

Работнику тоже придется пересмотреть отношение к учебе. Курсы ради красивой строчки не спасают. Сертификат полезен, когда за ним стоит навык, который можно применить в работе. Самообразование полезно, когда оно не превращается в вечный сбор ссылок. Настоящее обучение видно по изменению поведения: человек быстрее разбирается в новой системе, лучше объясняет сложное, увереннее решает задачу, которую раньше откладывал, и меньше зависит от того, что кто-то принесет ему готовую инструкцию. В эпоху ИИ учиться нужно не для ощущения занятости, а для роста способности действовать.

Организации тоже не смогут отсидеться. Если компания покупает технологию, но не объясняет людям, как меняется работа, она получает сопротивление, слухи и тихую саботажную усталость. Если руководитель требует инноваций, но наказывает за каждую ошибку, сотрудники быстро учатся делать вид, что все новое им интересно. Если обучение выделяют только избранным, остальные начинают защищать свои места вместо того, чтобы расти. Технологическая перестройка требует честного лидерства: говорить, какие задачи уйдут, какие появятся, чему нужно учиться, как будут поддерживать людей и где проходит граница между эффективностью и эксплуатацией.

В этой книге я буду идти от образования к навыкам, от навыков к меняющейся рабочей среде, от рабочей среды к лидерству и созданию новых возможностей. Такой порядок выбран не случайно. Сначала нужно понять, как формируется человек, способный жить в мире быстрых изменений. Потом нужно разобраться, какие умения дают ему опору. Затем придется посмотреть на сам рынок труда: удаленную работу, гибкие форматы, новые роли, сотрудничество человека и ИИ. И только после этого можно серьезно говорить о руководителях, организациях, предпринимательстве и общественных решениях.

Мне близок практический подход. Когда человек слышит про «будущее труда», он часто думает о больших докладах, графиках и прогнозах. Они нужны, но на следующий день ему все равно приходится открыть ноутбук, ответить на письмо, поговорить с начальником, выбрать курс, провести встречу, написать план, успокоить команду или признать, что привычная работа уже не выглядит надежной. Поэтому я буду держаться ближе к реальным ситуациям. Как понять, что навык устаревает? Как не утонуть в обучении? Как работать рядом с автоматической системой и не превращаться в ее придаток? Как сохранить человеческое качество труда там, где все вокруг считают минуты и метрики?

Ответы не будут одинаковыми для всех. Молодой специалист, преподаватель, руководитель отдела, фрилансер, предприниматель и человек после сокращения стоят в разных местах. Но у них есть общая задача: перестать ждать, что кто-то снаружи вернет прежнюю ясность. Ее не вернут. Придется строить новую ясность самому: через наблюдение, обучение, практику, разговоры с людьми, проверку инструментов и готовность менять собственные представления. Это не романтично. Иногда это утомляет. Но другой взрослой стратегии нет.

Слово «адаптация» часто звучит мягко, почти безобидно. На деле оно означает неприятную работу. Нужно признать, что прежний опыт не всегда дает преимущество. Нужно учиться у людей моложе себя. Нужно перестать прятаться за фразой «я гуманитарий» или «я не технический человек», когда речь идет о базовой цифровой грамотности. Нужно не стыдиться вопросов, но и не гордиться невежеством. Нужно понимать, что машина может помочь, но не должна думать вместо нас там, где требуется ответственность.

И все же в этой перемене есть не только тревога. Человек, который умеет учиться, получает больше свободы. Он меньше зависит от одной должности, одного начальника, одной отрасли и одного набора привычек. Он видит возможности раньше, чем они превращаются в массовую гонку. Он может соединять опыт из разных областей, строить новые услуги, улучшать процессы, находить работу там, где другие видят только угрозу. ИИ усиливает не всякого. Он усиливает того, кто способен ясно мыслить, задавать точные вопросы, проверять результат и понимать людей.

Поэтому разговор об ИИ и занятости в конце концов возвращается к человеку. Не к абстрактному человеку из презентации, а к конкретному: с усталостью, амбициями, страхами, ипотекой, детьми, привычками, гордостью и желанием не оказаться лишним. Эта книга написана для такого читателя. Для того, кто не хочет паниковать, но и не хочет жить с закрытыми глазами. Для того, кто готов менять работу, способ учиться и отношение к собственной карьере, пока еще есть время делать это спокойно, а не в пожарном порядке.

Начнем с образования. Потому что именно там формируется первый ответ на вопрос: готовим ли мы людей к прошлому или к миру, в котором им действительно предстоит работать.

Глава 1: Образование, которое не отстает от работы

Когда говорят о школе или университете, часто вспоминают здания, расписание, экзамены, аудитории, оценки и дипломы. Все это заметно снаружи. Но суть образования не в стенах и не в бумагах. Суть в том, какого человека оно выпускает в жизнь. Может ли он разобраться в новой задаче? Умеет ли он задавать вопросы, когда инструкция не помогает? Может ли работать с другими, не превращая каждое разногласие в личную драму? Способен ли отличить знание от уверенного пересказа? В эпоху ИИ эти вопросы становятся гораздо строже, потому что рынок уже не ждет, пока учебные программы медленно догонят реальность.

Традиционная модель образования долго держалась на предположении, что есть устойчивый запас знаний, который нужно передать следующему поколению. Учитель знает, ученик слушает, учебник закрепляет, экзамен проверяет. Эта схема неплохо работала там, где профессии менялись медленно, а производственная жизнь была предсказуемой. Можно было выучить набор правил, войти в организацию и годами применять примерно один и тот же подход. Сегодня такой запас знаний быстро стареет. Не весь, конечно. Математика, язык, логика, история, научная картина мира остаются фундаментом. Но способы работы с этим фундаментом меняются быстрее, чем привычная школа умеет признать.

Самая слабая часть старой системы состоит в том, что она слишком часто награждает послушное воспроизведение. Ученик получает хорошую оценку за правильный ответ, но редко получает серьезную тренировку в том, как этот ответ искать, проверять и защищать. Он учится угадывать ожидания учителя. Потом приходит на работу и делает то же самое: пытается угадать, что хочет начальник, вместо того чтобы разобраться, в чем задача. В спокойной среде это еще можно было терпеть. В среде, где технологии меняют процессы каждый год, такая привычка становится опасной. Человек ждет указаний там, где требуется самостоятельность.

Стандартизированное тестирование усиливает эту беду. Тест удобен для системы: его легко считать, сравнивать, показывать в отчетах. Но жизнь редко предлагает четыре варианта ответа. В жизни приходится работать с неполной информацией, с конфликтующими интересами, с человеческими ошибками и с ограниченным временем. Если образование постоянно сводит успех к выбору правильной клетки, оно незаметно приучает человека к узкому мышлению. Он боится ошибиться, не хочет пробовать, плохо переносит неопределенность. А новая экономика как раз из неопределенности и состоит.

Еще одна проблема старой модели в том, что она делит знания на закрытые комнаты. Здесь математика, здесь литература, здесь информатика, здесь экономика, здесь психология. Между комнатами двери открываются редко. Но реальные задачи не уважают школьное расписание. Например, внедрение ИИ в больнице требует и технических знаний, и понимания медицины, и этики, и права, и умения объяснить врачам, почему новая система не отнимет у них профессию, а изменит часть работы. Если человек привык думать только в рамках одного предмета, он теряется там, где задача лежит на стыке.

Это не значит, что предметы надо отменить. Без дисциплины мышления получается каша. Но предметы должны чаще встречаться друг с другом. Проект о городском транспорте может соединять математику, экологию, экономику, социологию и работу с данными. Разбор новостной ленты может включать язык, историю, статистику, медиаграмотность и основы алгоритмической выдачи. Задача по предпринимательству может требовать расчетов, исследования аудитории, общения, прототипа и публичной защиты. В таких задачах ученик видит, что знание не лежит мертвым грузом. Оно начинает работать.

ИИ делает этот разговор острее. Если программа может за секунды пересказать тему, составить план, решить типовую задачу и написать аккуратный текст, школа не может дальше делать вид, что пересказ и аккуратность сами по себе являются вершиной обучения. Конечно, ученик должен уметь писать и считать. Но теперь нужно понимать, что именно проверяется. Если задание легко отдать машине без потери смысла, значит, задание плохо показывает мышление. Педагогу придется менять вопросы: не только «что ты знаешь?», но и «как ты пришел к выводу?», «почему доверяешь источнику?», «какую ошибку может допустить система?», «как применить результат в конкретной ситуации?»

Технологии в учебе часто представляют как набор устройств: планшеты, платформы, электронные дневники, интерактивные доски. Это поверхностный взгляд. Вопрос не в том, сколько экранов в классе. Вопрос в том, меняется ли само обучение. Плохой урок на планшете остается плохим уроком. Бессмысленный тест в красивой оболочке остается бессмысленным тестом. ИИ полезен тогда, когда помогает видеть пробелы, подбирать темп, давать обратную связь, освобождать время учителя для живой работы с учениками. Если технология только добавляет отчетности и суеты, она не модернизирует образование, а украшает старую бюрократию.

Персонализация обучения выглядит привлекательно. Один ученик быстро схватывает материал и скучает, другой застрял на базовом шаге и стесняется спросить, третий понимает через практику, четвертому нужно больше текста и примеров. ИИ-системы могут отслеживать такие различия лучше, чем учитель, которому нужно одновременно держать в поле зрения целый класс. Они могут предложить дополнительное упражнение, подсказать ошибку, вернуть к пропущенной теме. Но персонализация не должна превращать обучение в одиночное движение по экрану. Человек учится не только с программой. Он учится в разговоре, споре, наблюдении, совместной работе и столкновении с чужой мыслью.

Учителю в этой новой среде не нужно соревноваться с машиной в скорости выдачи информации. Это проигранное соревнование. Его сила в другом: он видит человека, задает неожиданный вопрос, замечает усталость, помогает связать тему с опытом, учит не бояться сложной задачи, показывает честное отношение к знанию. Хороший учитель не просто сообщает факты. Он создает ситуацию, в которой ученик начинает думать сам. И чем больше автоматических помощников появляется вокруг, тем ценнее становится такая человеческая работа.

Но для этого учителю самому нужна поддержка. Нельзя требовать от педагогов современного образования, оставляя их с перегрузкой, низким доверием и бесконечными отчетами. Если система хочет, чтобы учителя осмысленно применяли ИИ, она должна дать им время на освоение инструментов, право на эксперимент, нормальное обучение и понятные правила. Учитель, который боится каждого шага в сторону от инструкции, не будет воспитывать самостоятельность. Он будет воспитывать осторожное подчинение, потому что сам живет в такой среде.

Критическое мышление в эпоху ИИ перестает быть красивым словом из программы развития. Оно становится бытовой необходимостью. Человек каждый день сталкивается с текстами, цифрами, рекомендациями, графиками, прогнозами и автоматическими выводами. Часть этого полезна. Часть ошибочна. Часть специально сделана так, чтобы подтолкнуть его к нужному решению. Поэтому ученик должен учиться спрашивать: откуда данные? кто заинтересован в таком выводе? что не показали? какие допущения спрятаны? можно ли проверить результат другим способом? Без этих вопросов цифровая грамотность остается умением нажимать кнопки.

Работа с ИИ особенно хорошо показывает разницу между знанием и видимостью знания. Система может ответить гладко, уверенно и неправильно. Для неопытного человека такая уверенность опасна. Он видит связный текст и перестает сомневаться. Значит, образование должно учить не только пользоваться инструментом, но и подозревать его результат. Проверять факты. Сравнивать источники. Видеть, где машина придумывает недостающие детали. Понимать, что ответственность за итог не исчезает только потому, что черновик подготовила программа.

Проблемное обучение здесь дает сильный эффект. Вместо того чтобы сначала годами складывать знания на полку, а потом когда-нибудь применять их, ученик получает задачу, в которой знания нужны сразу. Например: школа хочет снизить расход электроэнергии. Нужно собрать данные, посчитать потребление, разобраться с привычками людей, предложить меры, оценить стоимость, убедить администрацию и объяснить результат другим ученикам. В такой работе математика перестает быть абстрактной, коммуникация перестает быть украшением, а технология становится инструментом, а не игрушкой.

Проектное обучение часто портят тем, что превращают его в красивую презентацию. Команда рисует слайды, говорит общие слова, получает аплодисменты и расходится. Настоящий проект жестче. У него есть задача, ограничения, ошибки, переделки, разные роли, нехватка времени и необходимость отвечать за результат. Там выясняется, кто умеет слушать, кто берет на себя работу, кто только говорит, кто прячется, кто способен признать неудачный ход. Такая учеба ближе к реальной работе, чем спокойное переписывание готового текста.

Креативность тоже нужно спасать от неправильного понимания. Ее часто связывают только с искусством или яркой идеей. Но в работе креативность чаще выглядит скромнее: найти обходной путь, заметить странность в данных, соединить два подхода, задать вопрос, который остальные пропустили, придумать простой способ объяснить сложное. Школа убивает это качество, когда наказывает за любое отклонение от образца. Если ученик десять лет слышит, что правильный путь только один, потом трудно ждать от него смелости в новой ситуации.

Разумеется, свобода без требований быстро превращается в беспорядок. Креативность не означает, что можно делать как попало. Хорошая идея должна выдерживать проверку. Ее нужно объяснить, обосновать, улучшить после критики. Поэтому образование должно соединять свободу и дисциплину. Дать ученику пространство для поиска, но не освобождать от ответственности за качество. Разрешить ошибаться, но требовать выводов из ошибки. Поощрять нестандартный ход, но спрашивать, работает ли он на деле.

ИИ может помогать творческой работе, если не подменяет ее полностью. Ученик может попросить систему предложить варианты, сравнить подходы, найти слабые места в аргументе, подготовить примеры. Но затем он должен выбрать, отредактировать, проверить и объяснить. Иначе он не учится, а только поручает машине изображать учебу. Самая неприятная задача для современной школы как раз в том, чтобы отличить использование инструмента от отказа думать. Запретами это не решить. Нужны задания, где виден путь мысли, а не только финальный файл.

Совместная работа становится отдельным навыком. В старой школе ее часто имитировали: посадили группу вместе, дали задание, один сделал, остальные подписались. В настоящей команде так нельзя. Люди должны распределять роли, обсуждать критерии, спорить по делу, фиксировать решения, помогать слабым участникам и не позволять сильным забрать все в одиночку. Эти вещи не появляются сами. Им нужно учить так же, как учат письму или счету. И чем больше будет автоматизации, тем выше цена человеческого взаимодействия.

Будущая работа почти всегда будет междисциплинарной и командной. Один человек может хорошо знать алгоритмы, другой отрасль, третий клиента, четвертый правовые риски, пятый организационную политику. Ошибка возникает там, где каждый говорит только на своем языке и не хочет переводить мысль для других. Поэтому образование должно учить объяснять. Не упрощать до глупости, а делать понятным. Специалист, который не может объяснить, зачем его решение нужно людям, часто проигрывает тому, кто знает меньше, но умеет связать знание с задачей.

Эмоциональный интеллект в учебе не должен превращаться в мягкую риторику про комфорт. Речь о более практичных вещах. Ученик должен понимать, как реагирует на критику, почему злится в споре, как просить помощи, как давать обратную связь без унижения, как признавать свою долю ошибки. В рабочих командах именно такие мелочи решают очень многое. Технически сильные люди могут провалить проект, если не умеют разговаривать. И наоборот, команда средних специалистов иногда вытягивает сложную задачу за счет доверия, ясности и дисциплины общения.

Оценивание в новой системе тоже должно измениться. Если оценивают только правильный ответ, ученик прячет процесс. Если оценивают процесс, ему приходится показывать ход мысли: черновики, попытки, источники, исправления, вклад в команду, выводы после неудачи. Портфолио, защита проекта, практическая задача, устное объяснение, разбор ошибки дают больше информации, чем один тест. Тесты не нужно выбрасывать. Они полезны для проверки базовых знаний. Но они не должны быть единственным языком, на котором образование разговаривает с учеником.

Есть еще один неудобный вопрос: чему именно учить всех, если технологии меняются так быстро? Ответ начинается с основы. Нужны грамотная речь, счет, логика, научное мышление, история, понимание общества, базовая экономика, цифровая грамотность, работа с данными, умение искать и проверять информацию. Поверх этого должны строиться гибкие модули: основы ИИ, анализ данных, кибербезопасность, дизайн решений, предпринимательство, этика технологий, работа с автоматизированными системами. Не каждый станет программистом. Но каждый должен понимать, в каком мире работает.

Особенно вредно делить людей на «технических» и «нетехнических» слишком рано. Такой ярлык часто становится оправданием. Один ученик решает, что ему не надо учиться ясно писать, потому что он любит математику. Другой решает, что ему не надо понимать данные, потому что он любит литературу. Потом оба сталкиваются с работой, где нужны и текст, и числа, и люди, и инструменты. Образование должно расширять человека, а не запирать его в удобной клетке. Специализация нужна, но слишком ранняя узость делает человека хрупким.

Взрослое образование заслуживает отдельного внимания. Миллионы людей уже работают и не могут вернуться в университет на несколько лет. Им нужны короткие, ясные, прикладные маршруты: курсы, микроквалификации, практикумы, наставничество, обучение на рабочем месте. Но рынок обучения быстро наполнился шумом. Много обещаний, много красивых названий, много сертификатов, за которыми мало умения. Поэтому взрослому человеку приходится выбирать строго: что я смогу делать после этого курса? кто проверит мой результат? есть ли практика? признает ли рынок такую подготовку? как это связано с моей карьерной целью?

Сертификаты могут быть полезны, если они подтверждают реальный навык. В областях вроде облачных технологий, кибербезопасности, анализа данных или управления проектами хороший сертификат помогает работодателю быстрее понять уровень кандидата. Но сертификат не заменяет мышления. Человек может сдать экзамен и растеряться в живой задаче. Поэтому образовательные программы должны соединять проверку знаний с практикой: кейсами, проектами, симуляциями, стажировками, разбором рабочих ситуаций. Рынку нужны не коллекционеры значков, а люди, которые умеют делать работу.