Содержание статьи
Главный риск – считать свою роль неизменной
Представьте следующий разговор с собственником. Вы рассказываете о двадцати годах опыта, крупной команде и сложных проектах. В ответ слышите: «А что в нашей компании вы сегодня сделали бы иначе, чем три года назад?»
Это условная сцена, но полезный вопрос для самопроверки. Если ответ сводится к «у меня больше опыта», разговор о вашей следующей роли остаётся незавершённым. Опыт объясняет, на что вы опираетесь. Он ещё не объясняет, как вы будете действовать в изменившихся условиях.
Наша позиция: опаснее всего ждать, что рынок снова начнёт покупать прежнее описание вашей должности. Но и объявлять всех руководителей заменимыми нейросетью было бы нечестно. Исследования показывают более сложную картину: меняются отдельные задачи, результаты внедрения различаются, а внедрённый инструмент ещё не равен экономическому эффекту.
Вопрос, с которого стоит начать
Какую сложную задачу вы умеете довести до результата сегодня – и чем можете это подтвердить?
Что говорят исследования, а не тревожные заголовки
Ниже – международные данные с разными методами и периодами наблюдения. Это не статистика найма российских директоров и не прогноз вашей личной карьеры. Для каждой работы важно отделять измеренный результат от возможных выводов для бизнеса.
WEF · 2025 · ожидания работодателей
Навыки меняются, но «всё ускоряется» – слишком грубое обобщение
В Future of Jobs Report 2025 работодатели ожидают, что за 2025–2030 годы изменятся или устареют в среднем 39% существующих наборов навыков работников. Основа – ответы более 1 000 работодателей из 55 экономик. При этом в выпуске 2023 года аналогичная оценка составляла 44%. [1]
Граница вывода. Это ожидания, а не уже потерянные навыки и не доля людей, которых уволят. Из этих данных нельзя честно вывести, что скорость всех изменений непрерывно растёт. Они дают повод регулярно пересматривать свою компетентность, а не назначать ей дату истечения.
МОТ · 2025 · оценка задач
Под воздействием технологии – не значит «под увольнение»
По оценке Международной организации труда, каждый четвёртый работник в мире занят в профессии, в той или иной степени подверженной воздействию генеративного ИИ. Авторы считают трансформацию рабочих мест более вероятным итогом, чем их полную автоматизацию: многие задачи по-прежнему требуют участия человека. [2]
Граница вывода. Модель оценивает потенциальное воздействие на задачи, а не фактически состоявшиеся сокращения. Для руководителя полезнее разобрать состав работы своей функции, чем пытаться угадать судьбу должности по её названию.
QJE · публикация 2025 · данные одной компании
Производительность действительно может вырасти
Эрик Бриньолфссон, Даниэль Ли и Линдси Рэймонд исследовали поэтапное внедрение ИИ-помощника на данных 5 172 сотрудников поддержки. Число решённых вопросов за час выросло в среднем на 15%; менее опытные сотрудники выиграли сильнее. Работа опубликована в The Quarterly Journal of Economics в 2025 году, а изученное внедрение проходило преимущественно осенью 2020-го и зимой 2021-го. [3]
Граница вывода. Это конкретный процесс и инструмент, а не обещание прибавить 15% к прибыли любой компании. Авторы не измеряли общий эффект на занятость и зарплаты. Переносить коэффициент в свой бюджет без проверки нельзя.
METR · эксперимент 2025 · уточнение 2026
Ощущение ускорения нужно проверять
В эксперименте METR с 16 опытными разработчиками и 246 задачами разрешение пользоваться инструментами ИИ начала 2025 года увеличило время выполнения в среднем на 19%. Это работа над хорошо знакомыми участникам проектами, а не средний эффект для всей разработки. [4]
В обновлении от 24 февраля 2026 года METR сообщила: последующее исследование не даёт надёжной оценки текущего эффекта из-за отбора участников и задач. В частности, часть разработчиков не хотела участвовать без возможности использовать ИИ. Старый результат нельзя превращать в вечное правило «ИИ замедляет работу». [5]
Граница вывода. И отрицательная цифра требует контекста. Сравнивать нужно сопоставимые задачи, полное время работы и качество, а не впечатления от убедительного ответа.
В Stanford AI Index 2026 также подчёркнута неравномерность возможностей: высокие результаты на одних тестах соседствуют с ошибками в других задачах. Сильная демонстрация не является доказательством надёжности всего рабочего процесса. [6]
Практический вывод редакции: игнорировать ИИ рискованно, но обещать эффект от самого факта его применения – тоже. Ценность руководителя стоит объяснять через выбор задачи, проверку решения и организацию изменений.
Что теперь стоит доказывать руководителю
Не пытайтесь выиграть соревнование по количеству известных сервисов. Покажите, как соединяете три вида работы. Это наша рабочая рамка для подготовки к переговорам, а не рейтинг профессий.
Выбрать, что менять
Разобраться, где ограничение бизнеса: спрос, экономика, данные, качество или устройство процесса. Отказаться от автоматизации, когда проблему проще решить иначе.
Проверить решение
Сопоставить исходный способ работы с новым. Учесть ошибки, ручную проверку, стоимость и ограничения. Отделить красивый прототип от решения для реальной эксплуатации.
Довести до внедрения
Договориться о полномочиях, организовать людей, изменить правила работы и передать ответственность. Оставить после себя процесс, а не зависимость от личного участия.
Знание отрасли, отношения с клиентами и опыт управления людьми не нужно вычёркивать. Нужно объяснить, как они помогают вам выбирать и внедрять решения теперь. Если вашей сильной стороной были согласования и сбор отчётности, полезно проверить, какая часть этой работы по-прежнему требует именно вашего решения.
Стаж и масштаб команды дают контекст. Результат, способ его получения и границы личного вклада дают материал для проверки. Как разложить прошлые достижения без выдуманных цифр, мы разбирали в отдельной статье.
Вместо «уверенно пользуюсь ИИ» – один проверенный пример
Для следующего интервью подготовьте небольшую демонстрацию своего подхода. Например, разбор причин повторных обращений клиентов, подготовку управленческой записки или проверку полноты исходных данных. Выбирайте задачу, в которой способны самостоятельно оценить результат.
Для учебной работы используйте вымышленные или разрешённые к использованию материалы. Не загружайте закрытые документы бывшего работодателя и персональные данные в сторонний сервис без разрешения и проверки условий.
Паспорт управленческого эксперимента
- Задача. Что именно должно стать лучше и для кого?
- Исходный процесс. Сколько времени и ресурсов он требует сейчас? Как определяется качество?
- Сравнение. Какие сопоставимые задания выполняются обычным способом и с ИИ? Не сравнивайте разные по сложности работы.
- Полные затраты. Считайте подготовку данных, проверку, исправления, стоимость инструмента и интеграции – не только генерацию ответа.
- Ограничения. Где результат нельзя использовать без человека? При каких ошибках эксперимент останавливается?
- Решение. Что внедрять, что доработать и что отвергнуть? Кто отвечает за следующий шаг?
Небольшой тест на десятке примеров годится для обучения и поиска ошибок, но не доказывает эффект на всей компании. Повторное выполнение знакомой задачи само по себе может ускорять работу. Меняйте порядок способов, фиксируйте трудность и не скрывайте неудачные случаи.
Освободить время – ещё не значит сэкономить деньги. Если сотрудники стали быстрее, покажите, во что превращается ресурс: дополнительный объём работы, более короткое ожидание клиента, меньше переделок или действительно сокращённые расходы. Не выдавайте одно за другое.
На встрече полезен и отрицательный результат: «Пилот остановили, потому что проверка съедала выигрыш, а ошибки были неприемлемы». Но назвать учебный тест корпоративным внедрением нельзя. Чётко обозначьте, что проверили самостоятельно, а что реализовали с командой в компании.
Обсуждать не только должность, но и конкретный результат
Не обязательно начинать каждый разговор с просьбы найти для вас постоянную позицию. Можно предложить обсудить ограниченную задачу: проверить экономику нового направления, перестроить один клиентский процесс или подготовить решение о масштабировании технологии.
Это возможная стратегия разговора, а не утверждение, что постоянные роли исчезают. Приведённые исследования не доказывают массовый переход крупных компаний на краткосрочные управленческие проекты. Они тем более не гарантируют вам такой заказ. Здесь мы предлагаем дополнительный способ применить опыт, а не заменить им все каналы поиска.
Проект становится предметным, когда у него есть заказчик, границы, исходные данные, полномочия, бюджет, срок и критерий завершения. В крупной компании отдельно стоит выяснить, кто согласует доступы, участие ИТ и безопасности, работу смежных функций и приёмку. Без этого «быстрый запуск» остаётся пожеланием.
Условный пример · не кейс клиента Lead Experts
Не «внедрю ИИ», а «помогу принять проверенное решение»
«Готов обсудить ограниченный этап по улучшению клиентской поддержки. Сначала проверю причины повторных обращений и качество данных. Затем вместе с вашей командой сравню варианты: изменение процесса, обычную автоматизацию и ИИ-помощника. На выходе – оценка эффекта и затрат, результаты пилота и рекомендация о дальнейшем внедрении».
В качестве предмета обсуждения можно предложить четыре–шесть недель диагностики и пилота. Это иллюстрация структуры этапа, не обещание срока для любой компании. Понадобятся владелец задачи, доступ к разрешённым данным, участники со стороны бизнеса и ИТ.
Что передать команде: карту процесса, правила оценки, результаты теста, список рисков, ответственных и план следующего этапа. Обоснованный отказ от внедрения тоже может быть полезным итогом, если такой результат заранее допустим.
Не подменяйте этим бесплатную разработку полной стратегии на собеседовании. Для знакомства достаточно рамки подхода и релевантного опыта; глубокая диагностика и готовые решения требуют отдельно согласованного объёма работы. Не обещайте финансовый результат до доступа к необходимым данным.
Как это меняет ваш профессиональный профиль
Краткое описание пользы может дополнять резюме, а не спорить с ним. Хронология отвечает на вопрос «где и за что вы отвечали». Описание следующей задачи – «зачем с вами говорить сейчас».
Недостаточно контекста
«Опытный директор. Управлял большой командой. Интересуюсь цифровизацией и ИИ».
Есть предмет разговора
«Моя специализация – запуск и перестройка клиентских процессов. Могу разобрать причины потерь, организовать проверку решения и передать его рабочей команде. Готов показать два реализованных проекта и объяснить свой вклад».
Оба текста – условные примеры. Второй подходит только тому, кто действительно может подтвердить перечисленное. Не приписывайте ИИ эффект проекта, выполненного до его применения, и не присваивайте результат всей команды.
Проверьте четыре вещи: понятна ли ваша специализация; есть ли свежий пример освоения нового способа работы; отделены ли факты от гипотез; ясно ли, где заканчивается ваша компетенция. Умение назвать границы сильнее бездоказательного обещания «разобраться во всём».
Рассказ о реализованных проектах можно собрать в портфолио руководителя. А каналы поиска, обращения и проверку предложения мы уже разобрали в плане поиска новой роли. Здесь задача другая: обновить доказательства своей полезности.
План на месяц: не переучиться во всё, а проверить одно
Это пример рабочего ритма, а не обещание трудоустройства за 30 дней. Если поиск уже идёт, не приостанавливайте его ради идеальной подготовки: выполняйте эти шаги параллельно.
Неделя 1
Разберите свою функцию
Выберите пять повторяющихся задач. Отметьте, где нужны данные и черновики, а где – переговоры, оценка риска и ответственность. Найдите одну задачу для безопасного сравнения способов работы.
На выходе: карта задач и одна проверяемая гипотеза.
Неделя 2
Проведите небольшой тест
Примените паспорт эксперимента. Запишите время, ошибки и ограничения. Не подгоняйте вывод под желание продемонстрировать пользу технологии.
На выходе: короткая записка с результатом, в том числе отрицательным.
Неделя 3
Сформулируйте задачу для бизнеса
Опишите один возможный этап работы: зачем он нужен, что входит, какие данные и решения потребуются, чем заканчивается. Подберите подтверждённые примеры из своей практики.
На выходе: описание пользы и границ ответственности.
Неделя 4
Проверьте понятность предложения
Обсудите его с несколькими людьми, знающими целевой бизнес. Узнайте, узнают ли они проблему, кто за неё отвечает и чего не хватает для предметного разговора.
На выходе: уточнённый профиль и список следующих действий.
Не нужно доказывать, что вас никогда нельзя заменить. Нужно показать, какую задачу вы способны решить, как проверите результат и что останется работать после вашего участия.
Начните сегодня с одной строки: «Мой опыт полезен компании, когда…». Если вместо ситуации бизнеса получается перечень должностей, перепишите её ещё раз.
Для самостоятельной работы
Сохраните рабочую памятку
Карта задач, паспорт эксперимента, рамка предложения компании и план на месяц. Обычный текстовый файл: откройте его в заметках и заполните на своём устройстве.
Скачать памятку · TXTБез регистрации и отправки введённых данных на сайт.
Источники и границы выводов
Материал подготовлен 30 сентября 2026 года. Ниже – использованные первичные публикации и отчёты; дата публикации не всегда совпадает с периодом наблюдения. Практические рамки и план действий – рекомендации редакции, а примеры вымышлены. Мы не оцениваем по этим данным вероятность увольнения или найма конкретного человека.
- World Economic Forum. The Future of Jobs Report 20257 января 2025. Опрос работодателей; ожидания на 2025–2030 годы, не измерение уже произошедших сокращений.
- МОТ. Generative AI and Jobs: A Refined Global Index of Occupational Exposure20 мая 2025. Working Paper 140; модель потенциального воздействия на задачи и профессии.
- Brynjolfsson, Li, Raymond. Generative AI at Work4 февраля 2025, The Quarterly Journal of Economics, 140(2), 889–942. Рецензируемая статья; поэтапное внедрение в одной компании, преимущественно 2020–2021 годы.
- METR. Measuring the Impact of Early-2025 AI on Experienced Open-Source Developer Productivity10 июля 2025. Рандомизированный эксперимент с опытными разработчиками; не оценка всех профессий и всех инструментов.
- METR. We are Changing our Developer Productivity Experiment Design24 февраля 2026. Методологическое обновление: отбор участников и задач ограничивает надёжность новой оценки.
- Stanford HAI. The 2026 AI Index Report2026. Сводный исследовательский отчёт; в статье использован вывод о неравномерности возможностей ИИ, не прогноз найма руководителей.
Следующий шаг
Сформулируйте свою пользу для бизнеса
Если трудно отделить обязанности от результатов, начните с разбора профессионального опыта. В Lead Experts можно обсудить структуру профиля и способ представить реальные проекты. Состав помощи согласуем отдельно – без обещаний трудоустройства.
