Я пытался автоматизировать работу, которую уже часто объявляют почти ненужной из-за ИИ. Чем больше исполнения забирала система, тем яснее становилось, какие решения всё ещё определяет человек.

Заменит ли ИИ людей? После 60+ часов автоматизации я бы задавал другой вопрос

Мне регулярно попадаются заголовки примерно одного типа: ИИ уже заменяет программистов, монтажёры больше не нужны, копирайтеры закончились, ещё немного - и очередная профессия исчезнет.

Я не знаю, какие профессии действительно сильно сократятся через 5-10 лет. Вполне возможно, какие-то функции исчезнут, какие-то роли сократятся, появятся новые. Поэтому спорить с самим прогнозом “людей станет нужно меньше” мне неинтересно.

Меня цепляет другой скачок в логике. Нейросеть научилась делать заметную часть работы - значит, специалист больше не нужен. Недавно я сам довольно плотно проверял эту логику на видеомонтаже. Потратил больше 60 часов на попытку сделать так, чтобы ИИ получал длинное экспертное видео и забирал на себя как можно больше монтажа.

И вот что важно: ИИ не провалился. Наоборот, значительную часть исполнения действительно удалось передать системе. Но чем лучше это получалось, тем яснее становилось, какую работу человека я на самом деле ещё не автоматизировал.

После этого вопрос “заменит ли ИИ профессию” стал казаться мне слишком грубым. Мне полезнее спрашивать иначе: из каких работ и решений состоит эта профессия, что из них уже можно передать системе, а где человек всё ещё определяет качество и конечный результат?

Я действительно пытался убрать человека из монтажа

У меня было готовое экспертное видео примерно на 15 минут: я в кадре, рассказываю тему, показываю интерфейс продукта. Логика эксперимента казалась очевидной. Современные модели умеют распознавать речь, анализировать текст и видео, генерировать изображения, писать код. Сервисы умеют делать субтитры, графику, видеовставки, анимацию.

Почему тогда нельзя просто дать системе исходник и сказать: “Сделай нормальный современный монтаж”? Именно это я и проверял. Я специально не хотел заранее сам расписать каждую сцену и на каждой секунде решить, что должно появиться в кадре. Иначе я проверял бы уже не автоматического монтажёра, а исполнительный движок для собственных решений.

На эксперимент ушло больше 60 физических часов. Я подробно разбирал его в статье про автоматический монтаж длинного видео с ИИ, а потом отдельно писал о том, почему после автоматизации монтажа пришлось менять сам процесс подготовки видео.

Для этой статьи важен один вывод: Проблема оказалась не в том, что ИИ ничего не умеет. Проблема в том, что список операций и сама профессиональная работа - не одно и то же.

ИИ уже умеет делать много настоящей работы

Распознать речь, получить таймкоды, найти нужный фрагмент, сгенерировать картинку, собрать карточку, добавить текст, изменить крупность кадра, сделать визуальную вставку, программно собрать сцену - всё это уже вполне реально автоматизировать или сильно ускорить.

Если смотреть только на операции, вопрос “зачем здесь вообще человек?” возникает естественно. Но во время эксперимента я постоянно упирался не в выполнение, а в выбор:

• Нужна ли здесь вообще картинка?
• В этот момент зрителю важнее смотреть на человека или на интерфейс?
• Дополнительный текст помогает понять мысль или просто повторяет речь?
• Нужно добавить движение или лучше ничего не трогать?
• Не перегружен ли кадр?
• Что вообще считать хорошим результатом именно здесь?

И вот на этих вопросах граница стала заметной. ИИ может отлично нарисовать карточку. Но до этого кто-то должен решить, нужна ли она.
Он может собрать схему. Но кто-то должен понять, объясняет ли эта схема мысль или только добавляет визуальный шум.
Он может переключить кадр. Но кто-то должен решить, куда в этот момент направить внимание зрителя.

Чем дальше я автоматизировал исполнение, тем больше работы смещалось в логику выбора.

Операция - ещё не профессия

До эксперимента я и сам во многом воспринимал монтаж как список действий: добавить картинку, показать схему, вырезать паузу, поставить титр, сделать переход.

Но профессиональная функция находится не только внутри этих действий. Она ещё и между ними.
Нужно выбрать приём.
Понять, зачем он нужен.
Иногда решить, что ничего добавлять не надо.
Иногда увидеть, что проблема вообще не в монтаже, а в том, как построен сценарий или снят исходник.

Поэтому способность нейросети выполнить отдельную операцию ещё ничего не говорит о судьбе всей профессии. Это не означает, что монтажёры обязательно сохранятся в сегодняшнем виде. Я такого прогноза не делаю. Но из моего эксперимента точно нельзя честно перепрыгнуть от:

ИИ умеет делать много монтажных операций

к:

профессиональный монтажёр больше не нужен.

Между этими двумя утверждениями находится сама система решений, которую мы называем работой.

В продажах я вижу ту же конструкцию

Можно сказать, что монтаж - творческая область. Там вкус, ритм, внимание, композиция. Логично, что человек пока нужен. Но очень похожую границу я вижу в гораздо более формальной бизнес-задаче. В «Дожми продажи» мы работаем с коммуникациями отдела продаж. В настроенном контуре платформа автоматически получает новые звонки из подключённых источников, расшифровывает и анализирует их по настроенным правилам, показывает сигналы и подтверждающие фрагменты.

Это большой объём работы, который руками на каждом звонке либо очень дорог, либо просто не делается. И я как раз хочу двигать автоматизацию дальше: убирать ручной анализ, типовые проверки, подготовку фактов, всё повторяемое, что можно достаточно надёжно формализовать.

Но граница всё равно остаётся:
Критерии приходится калибровать.
Спорные случаи проверять.
У модели нет автоматически всего контекста бизнеса: истории конкретного клиента, внутренних приоритетов, стратегических ограничений, цены ошибки, информации за пределами системы.

Поэтому итоговое управленческое решение остаётся за человеком. Для меня здесь важна простая разница: система может выполнить очень большую часть анализа, но из этого не следует, что ей автоматически передано право принять решение.

И вот после монтажа и продаж я начал видеть один и тот же рисунок уже гораздо шире.

Моя рабочая модель: человек -> ИИ -> человек

Сейчас зрелую автоматизацию я для себя представляю как 3 слоя.

1. Сначала человек задаёт рамку: цель, контекст, ограничения, приоритеты, критерий хорошего результата. Иногда ещё до этого нужно правильно разложить саму работу на части.

2. Потом ИИ забирает максимально возможную повторяемую середину: ищет, анализирует, классифицирует, генерирует, преобразует, собирает, сравнивает и выполняет проверки, которые удалось формализовать.

3. После этого человек замыкает результат: разбирает исключения, оценивает качество, добавляет отсутствующий контекст, разрешает неоднозначность, принимает решение и отвечает за последствия.

Если совсем грубо, получается такой “бургер”: человек 10% -> ИИ 20% -> человек 10%.

Причём фиксированные проценты работ здесь для меня всё менее важны.
Где-то человек пока делает большую часть работы.
Где-то система уже забирает почти всё исполнение.
Где-то автоматизация вообще не окупается.

А в некоторых зрелых процессах я сам хочу прийти к состоянию, где человеческих действий по краям останется совсем мало. Но количество действий и значение этих действий - разные вещи.

Меньше действий не значит меньше ценности

В части моей ежедневной работы процессы уже субъективно похожи на 80/20: тяжёлое исполнение уходит системе, а я задаю направление, уточняю, проверяю и корректирую.

В отдельных процессах целевая конструкция у меня ещё агрессивнее: условно несколько процентов человеческих действий на входе, большая машинная середина и несколько процентов на выходе. Это не измеренный стандарт и не прогноз будущего труда. Более того, сам процент мало что значит, пока мы не договорились, что считаем: время, количество операций, стоимость, число решений или что-то ещё.

Мне здесь важна другая мысль. Представим, что человек сделал два решения до запуска системы. Потом ИИ выполнил тысячу операций. После этого человек проверил три исключения и принял одно финальное решение.

По количеству действий доля человека почти исчезла. Но если первые два решения задали направление всей работы, а последнее определило, можно ли вообще использовать результат, странно говорить, что человеческая ценность тоже стала равна нескольким процентам.

В монтаже это видно очень хорошо. Если до съёмки неправильно определено, что зритель должен понять, эффективность рендера проблему не спасёт.

В продажах то же самое. Можно автоматически обработать большой массив звонков, но конкретное управленческое решение всё равно может зависеть от контекста, которого у системы нет.

Поэтому я бы не превращал процент автоматизации в процент “замены человека”. Это разные показатели.

Исследования тоже смотрят на задачи внутри профессий

После собственных экспериментов мне было интересно проверить, не придумал ли я удобную модель задним числом. И оказалось, что крупные исследования влияния генеративного ИИ тоже часто спускаются с уровня профессии на уровень задач.

Международная организация труда в исследовании Generative AI and Jobs: A 2025 update оценивает воздействие GenAI через задачи внутри профессий. Для моей темы важна не конкретная цифра экспозиции, а сам подход: внутри одной профессии разные задачи имеют разный потенциал автоматизации, а трансформация работы не равна автоматическому исчезновению всей профессии.

OECD в исследовании The effects of generative AI on productivity, innovation and entrepreneurship описывает похожую картину: работа состоит из разных задач, часть из них можно автоматизировать намного глубже, а часть по-прежнему требует существенного человеческого участия.

Для меня это не гарантия рабочих мест. Какие-то роли действительно могут сильно сократиться. Где-то та же работа будет выполняться меньшим количеством людей. Где-то привычная должность распадётся на новую комбинацию функций. Но это ещё один аргумент не объявлять профессию законченной только потому, что нейросеть эффектно научилась выполнять её самую заметную операцию.

Поэтому я бы развивал не только умение пользоваться ИИ

Есть популярная формула: вас заменит не ИИ, вас заменит человек, который умеет пользоваться ИИ. Она мне тоже кажется слишком простой.
Пользоваться моделями становится всё легче.
Интерфейсы упрощаются.
То, что вчера требовало специальных навыков, завтра может быть встроено в обычный продукт.

Поэтому сам навык “уметь пользоваться нейросетью” вряд ли надолго останется серьёзным преимуществом. Я бы больше смотрел на то, насколько человек понимает предметную область, умеет сформулировать проблему, дать системе нужный контекст, определить критерии качества, заметить исключение, проверить вывод и принять решение с последствиями.

У меня есть простое личное наблюдение. Я видел очень сильный дизайн, сделанный опытным человеком с активным использованием ИИ. И видел гораздо более посредственный результат с похожими инструментами там, где у человека не было сопоставимой насмотренности и понимания задачи.

Это не эксперимент и не доказательство. Но оно хорошо совпадает с тем, что я вижу в собственных процессах: ИИ резко усиливает исполнение, но способность понять, что именно стоит делать и получилось ли хорошо, автоматически не появляется.

Начните не с профессии, а с одной работы

Поэтому на вопрос:

Мою профессию заменит ИИ?

я бы сейчас не пытался сразу отвечать. Я бы взял одну конкретную повторяющуюся работу из этой профессии.
Не “работа маркетолога”, а подготовка отчёта по рекламной кампании.

Не “работа руководителя продаж”, а анализ звонков менеджеров перед планёркой.

Не “работа монтажёра”, а подготовка визуального слоя для уже снятого экспертного видео.

И дальше разложил бы эту работу на 3 части.
1. До исполнения: что нужно получить, какой контекст важен, какие есть ограничения и что будет считаться хорошим результатом?

2. Во время исполнения: какие шаги повторяются, что можно формализовать, что уже способен сделать ИИ и какие проверки тоже можно передать системе?

3. После исполнения: где остаются исключения, какого контекста у системы нет, какие ошибки слишком дороги, кто принимает решение и кто отвечает за результат?

После такого разбора разговор обычно становится намного предметнее.

Иногда окажется, что человек действительно делает руками огромный объём работы, который уже нет смысла сохранять. Это реальный риск.

Иногда получится автоматизировать 80 или 90 процентов операций, но оставшиеся решения потребуют специалиста с более высокой квалификацией.

Иногда привычная профессия действительно начнёт распадаться на новые роли.

У меня нет универсального ответа. Но после всех экспериментов с ИИ мне всё меньше хочется его искать. Мне полезнее не гадать, защищена ли профессия навсегда, а постоянно двигать границу: что уже можно отдать системе, где человек всё ещё определяет результат и какую часть собственной экспертизы стоит усиливать, когда исполнение становится всё дешевле.

Для себя я сейчас именно так и смотрю на автоматизацию.