Анализ более 800 000 рабочих запросов к ChatGPT, проведенный OpenAI, показывает, что 43,5% запросов экспертного уровня выполняются пользователями, чьи функции выходят за рамки их основной должностной роли. Компания называет эту тенденцию «пересечением задач» (task crossover). Это открытие имеет важное значение, так как оно сигнализирует о стремительной трансформации того, как бизнес подбирает экспертов и как специалисты определяют свои профессиональные возможности.

Данные, стоящие за «пересечением задач»

OpenAI сопоставила каждый запрос со стандартной профессией, используя американскую базу данных профессий O*NET. Исключив общие задачи, такие как написание электронных писем или планирование графика, исследование сосредоточилось на компетенциях высокого уровня, которые обычно требуют профильного обучения. Почти половина оставшихся запросов заключалась в просьбе к ChatGPT выполнить обязанности, относящиеся к другой профессиональной категории, нежели категория самого пользователя.

Где происходит этот сдвиг

Пик пересечения задач наблюдается в маркетинге и инженерии.

  • Маркетологи обращаются к ChatGPT для решения технических проблем и анализа данных — задач, которыми обычно занимаются инженеры или специалисты по анализу данных.
  • Инженеры просят модель проверять контракты и устранять ошибки в работе веб-сайтов — функции, которые традиционно выполняют юридические отделы или команды фронтенд-разработки.

Малый бизнес усиливает эту тенденцию. При ограниченных бюджетах на специалистов один сотрудник может использовать ChatGPT как «множитель силы» (force multiplier), выполняя набор функций, для которых в противном случае потребовалось бы нанять нескольких человек.

Почему пересечение задач важно для работы и ИИ

Данные указывают на переход от «узкого специалиста» к «расширенному универсалу» (augmented generalist). По мере того как составление промптов становится самостоятельным навыком, глубокие узкоспециализированные знания могут уступить место универсальности, усиленной ИИ. Основатели компаний и разработчики теперь чувствуют необходимость выводить большие языковые модели (LLM) за рамки простого создания текстов, обеспечивая им высокую точность рассуждений в области права, финансов или инженерии. Снижение порога входа в технические задачи может изменить подходы к найму, обучению и даже названия должностей.

Риски и контраргументы

Не все приветствуют эти изменения. Критики предупреждают, что делегирование специализированной работы ИИ может привести к размыванию экспертных знаний, появлению скрытых ошибок и возникновению рисков несоблюдения нормативных требований для организаций. Исследование не отслеживает, как часто проверяются результаты, созданные ИИ, и не оценивает потенциальную стоимость ошибок в таких критически важных областях, как договорное право или проектирование инженерных систем. Эти опасения указывают на то, что, хотя ИИ и может расширить возможности, он также может создать ложное чувство компетентности.

На что стоит обратить внимание в будущем

  • Разработка инструментов: Будущие обновления LLM должны улучшить способность к рассуждениям в конкретных предметных областях и проверке ошибок, чтобы соответствовать требованиям «пересечения задач».
  • Организационная политика: Компании могут разрабатывать новые внутренние правила для работы с помощью ИИ, особенно в регулируемых секторах.
  • Сигналы рынка труда: Рекрутеры могут начать указывать «универсал с поддержкой ИИ» (AI-augmented generalist) в качестве компетенции, а программы обучения могут переориентироваться на навыки промпт-инжиниринга.

Основные выводы

  • Пересечение задач составляет 43,5% экспертных запросов, что указывает на существенное наложение профессиональных функций.
  • Маркетинг и инженерия лидируют в этом сдвиге, используя ИИ для задач, традиционно принадлежащих другим специальностям.
  • Малый бизнес полагается на ИИ для восполнения нехватки талантов, фактически превращая одного сотрудника в многопрофильного специалиста.
  • Эта тенденция несет как возможности, так и риски, вызывая призывы к усилению проверки результатов работы ИИ и созданию новых норм на рабочем месте.