Что изменит генеративный ИИ в навыках и обучении IT-персонала: анализ McKinsey

Повсеместное распространение генеративного искусственного интеллекта (ГИИ) приводит к изменениям в управлении персоналом по всему миру, и особенно — в сфере разработки программного обеспечения. Сегодня почти каждому сотруднику требуются навыки по работе с новыми ГИИ-инструментами, а отделам по управлению кадрами и корпоративному обучению — не просто планы по развитию этих навыков, а новые стратегии.

Аналитики консалтинговой компании McKinsey решили разобраться, как реагировать на перемены, чтобы добиться эффективной работы в эпоху неопределённости. Свои выводы они опубликовали в статье «Революция навыков ГИИ: пересмотр стратегии по управлению талантами». Кратко пересказываем основные тезисы.

Как и почему ГИИ меняет навыки в IT‑индустрии

Авторы статьи отмечают: сегодня меняется весь жизненный цикл системы продукта (в данном случае, поскольку речь об IT-индустрии, под продуктом имеется в виду программное обеспечение) — то есть меняются все этапы от появления идеи продукта до реализации. Для каждого этапа уже появляются ГИИ-инструменты, которые неплохо справляются с задачами, связанными с разработкой контента, и значительно сокращают время на разработку. А в будущем спектр задач расширится: например, ГИИ сможет придумывать новые функции продукта, проводить тестирование и разрабатывать прототипы.

При всех заманчивых возможностях ГИИ, бизнес всё ещё не до конца понимает, как эффективно реагировать на изменения, на какие навыки делать ставку и чему учить сотрудников, считают эксперты McKinsey. Ясно, что учить придётся, скорее всего, буквально всех. Однако в консалтинговой компании предлагают сосредоточиться на двух ключевых ролях — на инженерах-разработчиках и продакт-менеджерах.

Как изменятся навыки инженеров-разработчиков

Инженерам-разработчикам для работы с ГИИ, по мнению экспертов McKinsey, понадобятся три категории навыков.

Первая категория — оценка, то есть умение оценивать код, написанный генеративным ИИ. Возможно, кому-то кажется, что это совсем легко. Однако эксперты уверены, что эта задача может быть сложной как для новичков, так и для профессионалов, ведь умение самостоятельно написать код ещё не говорит об умении оценить чужой код. Разработчикам потребуется не только выявлять ошибки, в их работу будет входить обеспечение высокого качества кода, выявление проблем и обучение ГИИ в процессе работы.

Вторая категория навыков — умение комбинировать, то есть соединять несколько инструментов или моделей ИИ друг с другом. Речь идёт, например, о таких случаях, когда прикладной искусственный интеллект используется для анализа работы результатов ГИИ. Для подобной работы необходимо будет умение подбирать подходящие инструменты, соединять их друг с другом.

Третья категория навыков — дизайн, то есть более глубокое погружение в контекст рабочих задач.

«По мере того как технологии искусственного интеллекта берут на себя всё больше базовых задач по кодированию, инженеры могут развивать новый набор более ценных „восходящих навыков“, таких как написание пользовательских историй, разработка кодовых фреймворков (например, библиотек кода, программ поддержки), понимание бизнес-результатов и предвидение намерений пользователей. Коммуникация — один из важнейших развивающихся навыков, который необходим для того, чтобы инженеры могли более эффективно взаимодействовать с командами, руководителями, коллегами и клиентами», — считают аналитики McKinsey.

Какие навыки понадобятся продакт-менеджерам

По мнению аналитиков McKinsey, для продакт-менеджеров навыки будут меняться в двух сферах.

Первая сфера — непосредственная работа с генеративным ИИ, для которой понадобятся новые технические навыки. Казалось бы, это не технические специалисты, они вполне могут обойтись и стандартным набором умений. Однако авторы статьи подчёркивают: по мере того, как ГИИ помогает упростить запуск прототипов продукта и пилотные версии, от продактов понадобится отвечать за улучшение их результатов. А это потребует, например, знание основ программирования для работы с ГИИ-инструментами. Кроме того, продактам, как и инженерам, важно понимать принцип работы больших языковых моделей, чтобы комбинировать их для разработки продукта.

Вторая сфера — работа с рисками и доверием. Для работы со стейкхолдерами, командами и пользователями продакт-менеджерам нужно развивать эмпатию, чтобы уметь распознавать, где возникают или могут возникнуть проблемы доверия к ГИИ. Ведь кто-то легко «ведётся» на любые выданные искусственным интеллектом результаты, а кто-то вообще не верит им. В таких условиях обычный тренинг по работе с каким-то новым инструментом на основе ГИИ может быть не до конца эффективен — именно продакту придётся взять на себя часть работы по преодолению барьеров в доверии. Кроме того, продактам необходимо будет научиться работать с рисками — и постоянно консультироваться с экспертами в этом вопросе, проверять, чтобы весь жизненный цикл разработки продукта прошёл гладко.

Как ГИИ обеспечит переход от ролей к навыкам

Кажется, что чем больше ГИИ способствует продуктивности и эффективности команд, тем меньше могут быть сами команды. Эксперты отмечают, что в будущем это действительно может произойти, однако смысл имеет и обратный процесс — увеличение этих команд. Дело в том, что роли, должности и функции будут не столько сокращаться, сколько непредсказуемо меняться.

Например, у тех же инженеров-разработчиков может появиться больше задач, а в какой-то момент их функции начнут пересекаться с продакт-менеджерами. Это, в свою очередь, приведёт к появлению роли продакта-разработчика — специалиста, который сможет кодить, разрабатывать требования для продукта, прототипы и работать с разными ГИИ-инструментами. Появятся и полностью новые роли — например, в сфере безопасности, проверки и утверждения кода, обучения больших языковых моделей.

Всё это, по мнению экспертов, потребует от HR и топ-менеджмента:

• более гибкого подхода к пониманию навыков, которые формируют ту или иную роль;
• стандартизации — понимания, какие именно инструменты и, соответственно, навыки потребуются компании;
• управления рисками — у сотрудников должно быть чёткое руководство и понимание, с какими рисками в работе с ИИ они сталкиваются и чего именно от них ждут.

Как изменятся подходы HR и L&D

Эксперты McKinsey отмечают, что наиболее глобальные изменения в работе HR будут сконцентрированы вокруг стратегического планирования и обучения.

Стратегическое планирование

Ключевая проблема для HR-лидеров (а в дальнейшем, вероятно, и для отдела обучения) заключается в том, что ИИ поглощает не отдельные роли, а конкретные рабочие задачи, присущие ролям. Соответственно, стратегическое планирование должно строиться на навыках сотрудников. А для этого необходимо создать базу навыков, классифицировать их и привести к единой иерархии. С этим, отмечают авторы статьи, HR не справится в одиночку, ему потребуется помощь как топ-менеджмента, так и лидеров внутри компании, в том числе и разработчиков.

При этом «чтобы навыки были полезны, компаниям следует относиться к ним как к данным, а не как к документу», подчёркивают эксперты McKinsey. Иными словами, необходимо эти данные анализировать, обновлять и на их основе принимать ключевые решения.

В качестве примера специалисты приводят опыт компании, где для составления такой базы и иерархии навыков воспользовались искусственным интеллектом. Чтобы определить требуемые для сотрудников навыки, специальный инструмент на основе ИИ «сканирует» вакансии, описание должностей, предоставленные HR данные и даже профили LinkedIn. Каждый сотрудник может соотнести свой опыт со списком требуемого, и подтвердить, если он нужными навыками обладает. Если человек смог это сделать, то соответствующая запись вносится в его рабочий профайл и в общую HR-систему.

Читайте также:

О чём спросить поставщиков инструментов для корпоративного обучения на основе ИИ

Обучение

Безусловно, в центре любой программы по сохранению и поддержанию талантов в компании стоит обучение. При этом развитие ГИИ непредсказуемо, поэтому перед HR- и L&D-отделами встаёт вопрос, чему именно учить сотрудников. Единственным ответом может быть постоянное повышение квалификации, или апскиллинг, считают эксперты. Однако даже из набора новых навыков для инженеров-разработчиков, упоминаемого выше, видно — они не всегда непосредственно относятся к привычной роли. Это, в свою очередь, может вызвать сопротивление и страхи сотрудников.

Чтобы это исправить, в McKinsey предлагают обратить внимание на так называемые стажировки (на англ. — apprenticing). В данном случае это означает, что менее опытные сотрудники учатся у более опытных.

Таким экспертам потребуется выполнять некоторые задачи с младшими коллегами, мониторить их работу и успехи. Они также могут выступать менторами и коучами, на собственном примере показывать, как выполнять задачи, которые раньше могли не касаться тех же разработчиков — например, как увязывать свою работу с бизнес-целями компании или понимать потребности пользователей продукта.

При этом даже на участие в стажировках людей придётся мотивировать — так, авторы статьи предлагают сделать такую практику частью процесса ревью (оценки) сотрудника и выделить отдельное время на обучение в рамках рабочего процесса.