Какие задачи ИИ заберёт первыми: как провести аудит собственной работы

ИИ перестраивает работу не по штатному расписанию. Целую должность он забирает редко — подбирается к отдельным операциям: набросать письмо, вытащить поля из документа, разметить входящие заявки, проверить код. Поэтому вопрос «исчезнет ли моя профессия» мало что даёт. Полезнее спросить себя: из чего состоит моя неделя и какую её часть можно поручить машине — с проверкой результата?

Короткий ответ: первые кандидаты на разбор — задачи цифровые, повторяющиеся и легко проверяемые. Там, где есть ответственность, переговоры, сильная неоднозначность, защищённые данные или серьёзные последствия ошибки, контроль остаётся за человеком. Дальше — как устроен такой разбор.

Что говорят исследования

Индекс Международной организации труда и польского NASK, опубликованный 20 мая 2025 года, свёл почти 30 000 рабочих задач с экспертной проверкой, оценкой через ИИ и унифицированными данными о занятости. Вывод: 25% мировой занятости приходится на профессии, потенциально затронутые генеративным ИИ. Авторы отдельно проговаривают: потенциальная уязвимость не равна увольнению, трансформация вероятнее полной замены.

Другую картину дал разбор Anthropic примерно по миллиону диалогов в Claude.ai. ИИ использовался минимум в четверти связанных с ними задач в 36% профессий. А профессий, где он покрывал бы три четверти задач и больше, набралось около 4%. 57% взаимодействий авторы отнесли к усилению работы, 43% — к автоматизации. Оговорок много: это активность пользователей одного сервиса, переносить её на весь рынок труда нельзя. Как применяли ответы, были ли они верными, правил ли человек результат — авторы не знают.

Почему считать надо задачи, а не профессии

В одной должности смешаны действия с очень разным уровнем риска. Менеджер проекта заполняет отчёт, ищет расхождения в плане, ведёт сложные переговоры и решает, откладывать ли запуск. Первые две операции — кандидаты на помощь ИИ. Переговоры можно поддержать подготовкой материалов. Решение о переносе запуска остаётся за человеком, который отвечает за последствия.

Канцелярские задачи в исследованиях МОТ сталкиваются с генеративным ИИ чаще других. В обзоре от 29 сентября 2025 года среди самых затронутых профессий названы операторы ввода данных, машинистки, бухгалтеры и их помощники, секретари. Там же — трезвое предупреждение: на практике автоматизировать такую работу сложнее, чем показывает теория. Мешают внедрение, инфраструктура, навыки, доступ к данным и устройство процессов.

Какие задачи смотреть первыми

Ориентируйтесь на набор признаков. Ни один из них не гарантирует, что задачу отдадут машине раньше остальных — это фильтр для отбора.

• Цифровой вход и выход. Текст, таблица, скан документа или структурированная запись превращается в другой цифровой объект.
• Повторяемость. Однотипная операция встречается часто: разметка заявок, типовые протоколы встреч, форматирование карточек товара.
• Понятные критерии результата. Обязательные поля, расчёты, формат или сверка с эталоном.
• Доступный и разрешённый контекст. Есть примеры, инструкции и справочники, которые можно передать без нарушений договоров и законов.
• Обратимые последствия. Ошибочный черновик поймают до отправки и исправят без вреда.

Типичные пробы: первичная сортировка входящей почты, извлечение реквизитов, черновики стандартных ответов, превращение заметок в протокол, поиск дублей, объяснение формул, генерация тестовых данных.

Усиление или полная передача

Разделим понятия. Автоматизация — система выполняет операцию внутри процесса, человек разбирает исключения и проверяет результат. Усиление — ИИ предлагает варианты, ищет пробелы, готовит черновик, выступает вторым читателем, а решение принимает специалист.

Усиление разумнее там, где правильного ответа в единственном числе нет: разработка стратегии, редактирование важного документа, разбор причин падения продаж, подготовка к переговорам. ИИ подскажет гипотезы и противоречия. Профессиональную ответственность он не несёт, всех неформальных договорённостей не знает, а неподтверждённые утверждения выдаёт легко.

В разработке граница размывается. В исследовании Anthropic по 500 000 взаимодействий, связанных с кодом, специализированный агент Claude Code чаще выполнял операции напрямую: 79% диалогов классифицированы как автоматизация. Циклы обратной связи всё равно включали человека. Качество кода, его дальнейшее использование и прирост продуктивности авторы не измеряли, а выборка ранних пользователей вряд ли представляет всех разработчиков.

Как провести аудит своей работы

1. Ведите журнал задач. Запишите, чем занят рабочий день, на протяжении одной-двух типичных недель.
2. Выберите разумную детализацию. Шаги примерно по 15–30 минут.
3. Формулируйте через глагол и объект. Вместо «работал над отчётом» — «собрал метрики из трёх таблиц», «объяснил расхождение», «сверил вывод с финансами».
4. Фиксируйте контекст. Частота, длительность, входные данные, получатель, инструменты, нужные согласования и способ проверки качества.
5. Разделяйте похожие действия. Письмо по шаблону и ответ разъярённому ключевому клиенту — оба про переписку, но риск и ответственность разные.
6. Помечайте запрещённое и чувствительное. Персональные данные, материалы клиентов, коммерческая тайна, регулируемые записи — до тестов во внешнем сервисе.

Когда карта задач собрана, оцените каждую по нескольким критериям. Шкала от 1 до 5 нужна только для сравнения внутри команды, а не как научный инструмент.

Не складывайте баллы в «итоговую оценку автоматизации». Одно условие с высоким риском перевешивает несколько удобных факторов. Поводы остановиться: запрет на передачу данных, требование профессионального утверждения, недопустимый вред, невозможность проверить результат, необратимое действие.

Четыре решения по каждой задаче

Категории подвижны: инструменты, регулирование и способность проверять результат меняются. «Автоматизировать с проверкой» — не разрешение убирать надзор там, где его требуют закон, политика или профессиональные стандарты.

Пилот на 20–50 примерах

1. Возьмите известные случаи. 20–50 исторических или обезличенных примеров, для которых приемлемый результат уже известен.
2. Зафиксируйте базу. Общее время, типы ошибок, возвраты, трудозатраты на проверку, текущая стоимость процесса.
3. Заранее определите качество. Обязательные поля, проверки фактов, допустимые источники, формат и ошибки, которые автоматически валят кейс.
4. Ограничьте последствия. На старте система не отправляет письма, не меняет боевые базы и не принимает внешних решений.
5. Измеряйте весь процесс. Подготовку запроса, генерацию, проверку, правки, эскалацию и полную переделку.
6. Считайте и серьёзность, и частоту. Редкая, но тяжёлая ошибка важнее множества безобидных огрехов в оформлении.
7. Учитывайте стоимость эксплуатации. Модель, интеграция, мониторинг, человеческая проверка.
8. Назначьте владельца. Ответственный за процесс, порядок эскалации и отката, журнал изменений модели, промпта и интеграции.

Смысл всей затеи простой. Профессии не отменяют пачками — меняется состав операций внутри них. Аудит по задачам показывает, где ИИ окупается, где вредит и где вообще не нужен. Начинать стоит с одной повторяющейся операции с проверяемым результатом и понятной ценой ошибки. Дальше будет видно.