Первыми под удар попадают те, чья работа строится на повторах и стандартных операциях. Речь идет о подготовке типовых текстов, первичной обработке данных, создании простых визуалов, расшифровок, базовых переводов, составлении отчетов и ответах клиентам.
«В зоне риска — junior-копирайтеры, контент-менеджеры, операторы первой линии поддержки, ассистенты в маркетинге, специалисты по карточкам товаров, начинающие дизайнеры, переводчики несложных материалов и сотрудники, работающие с большими массивами однотипной информации», — говорит Горелкина.
Нейросети за секунды выдают черновик письма, описание товара, презентацию, подборку рекламных идей или сводку данных. Для бизнеса это оборачивается снижением себестоимости части процессов, а для рынка труда — пересмотром ставок за простую исполнительскую работу.
Прямое сокращение зарплаты при этом не обязательно. Давление может принять другую форму: работодатели начнут ждать от одного сотрудника большего объема задач за те же деньги, ведь часть работы ускоряется с помощью ИИ.
Особенно ярко это проявится на фрилансе и в массовых сервисных профессиях, где заказчику проще сопоставить цену человеческого труда с результатом, который он может получить через нейросеть.
Но сама профессия не исчезает лишь потому, что ИИ освоил отдельные операции. Устойчивее окажутся те, кто умеет работать не по шаблону: понимает бизнес-задачу, анализирует контекст, принимает решения, общается с клиентом, проверяет факты, отвечает за итоговый результат и способен оценить качество ответа, подготовленного нейросетью.
К примеру, ИИ быстро напишет несколько вариантов рекламного текста, но не всегда точно определит, какой из них соответствует стратегии бренда, не несет репутационных рисков и будет убедителен для конкретной аудитории. Так что под угрозой скорее не профессии целиком, а низкооплачиваемый сегмент рутинных задач внутри них.
В долгосрочной перспективе выиграют сотрудники, которые научатся использовать ИИ как инструмент повышения производительности. «Их ценность будет определяться способностью поставить задачу, проверить результат, исправить ошибки и превратить набор данных в качественный материал», — заключает эксперт.
