George Leimer сказал, что сразу узнал этот образ.

Во время недавнего разговора с главой продукта Yahoo Finance на слайде были показаны два гамбургера рядом друг с другом — как метафора работы до и после искусственного интеллекта. Leimer наклонился к экрану и сказал: «Это именно оно».

Слайд подготовил Arvind Narayanan, специалист по информатике из Princeton, который недавно выступил с ключевым докладом на International Conference on Machine Learning in Seoul. На иллюстрации Narayanan бургер с пометкой “Traditional” имеет толстую котлету, обозначающую слой исполнения работы — написание кода, отладку и выполнение задачи, — между относительно небольшими булочками. Бургер с пометкой “With AI” показывает, что котлета сократилась до тонкого слоя, тогда как верхняя булочка с пометкой “decide” и нижняя булочка с пометкой “deliver” стали значительно больше.

Эта метафора описывает сдвиг в интеллектуальном труде. Основная задача, которая раньше была крупнейшей частью работы, сжимается под влиянием ИИ. Но человеческая работа выше и ниже этого слоя исполнения не исчезает. Напротив, расширяется работа по определению того, что именно нужно создать, а также по проверке, интеграции и доставке результата. По словам Leimer, работа все больше превращается в разговор о работе.

«Мы приходим и разговариваем друг с другом, и убеждаемся, что у нас действительно есть реальное подтверждение и убежденность в том, что вот эти вещи мы собираемся делать. И вот так мы собираемся задействовать агентов», — сказал Leimer.

Команда Leimer руководила разработкой AlphaSpace, нового инвестиционного продукта, который к моменту первого сообщения Fortune работал на рынке около двух месяцев. За этот период команда выпустила более 100 новых функций — темп, который, по словам Leimer, показывает, насколько ускорился слой исполнения. Пользователи проводят в AlphaSpace в 3x больше времени, чем средний пользователь Yahoo Finance, сказал он Fortune, а команда смогла быстро реагировать на обратную связь, в том числе добавив данные по опционам в реальном времени в рамках партнерства с Unusual Whales.

Leimer сказал, что спринты, которые раньше длились две недели, теперь занимают 24 часа: планирование утром, выпуск к концу дня и разбор работы вечером. В одном случае отзыв пользователя поступил в 4:45 p.m. в пятницу; к 8:30 того же вечера проблема была исправлена, проверена и развернута.

В командах разработки программного обеспечения такой цикл меняет смысл agile-спринта. Если инструменты ИИ ускоряют реализацию, дефицитным ресурсом становится не только инженерное время, но и способность команды выбрать правильную проблему, проверить результат и решить, достаточно ли он безопасен и полезен для выпуска.

«В прежние времена, — сказал Leimer, — это означало бы: “Мы не сможем запустить это на следующей неделе”».

Сэндвич «решить — выполнить — доставить»

Narayanan называет эту рамку «сэндвичем решить — выполнить — доставить». По его мнению, большая часть интеллектуального труда состоит из трех слоев. Верхний слой — это решение, что нужно построить и почему. Средний слой — исполнение, то есть фактическая реализация. Нижний слой — доставка, включающая интеграцию, тестирование, проверку и долгосрочную ответственность.

ИИ-агенты сжимают средний слой. Аргумент Narayanan заключается в том, что слой исполнения всегда составлял лишь около одной трети всей работы. Два внешних слоя не просто остаются на месте; они растут.

«Первый и третий слои, вероятно, расширяются по мере того, как ИИ сжимает средний слой», — сказал Narayanan аудитории ICML. Когда создание становится дешевле и быстрее, запускать проекты становится проще, но сложнее успевать решать, какие проекты действительно важны, и проверять надежность того, что было произведено.

По мере того как ИИ снижает технические барьеры, роли начинают размываться

На протяжении многих лет продуктовые команды в крупных технологических компаниях часто организовывались вокруг того, чего каждый человек не мог сделать. Дизайнеры создавали статичные макеты и ждали, пока инженеры превратят их в работающий код. Продакт-менеджеры писали требования, но им нужны были разработчики, чтобы проверить, может ли идея сработать. Аналитики понимали данные, но не строили производственные системы.

Команды Yahoo говорят, что эти границы становятся менее жесткими по мере того, как ИИ автоматизирует все больше «синтаксиса», связанного с созданием программного обеспечения.

В команде Yahoo Scout, ИИ-системы компании для ответов на вопросы, главный продуктовый дизайнер Nick Lockington начал напрямую формулировать запросы к Google Vertex AI, прося систему генерировать структурированную JSON-логику для новых функций. Позже один из инженеров заметил, что Lockington фактически создал функциональный API с помощью промпта, минуя традиционную фазу разработки.

«Это был полноценный момент озарения», — сказал David Grandinetti, заслуженный инженер по программным приложениям в проекте, в блоге Yahoo. «Nick сразу стал самым эффективно усиленным инженером в нашей команде, потому что он работал на самом высоком уровне абстракции».

Другие участники команды пошли схожим путем. Один дизайнер, который стал активно делать коммиты в код, внутри компании был описан как “design engineer”. Инженера с сильным пониманием удобства использования назвали “engineering designer”.

Руководители Yahoo говорят, что смысл не в исчезновении должностей. Скорее, роли все чаще определяются решениями, за которые отвечают люди, а не только кодом, который они могут написать вручную. Дизайнеры по-прежнему принимают решения о поведении пользователей и эстетике. Инженеры по-прежнему отвечают за архитектуру и безопасность. Но обе группы теперь могут строить и итерировать напрямую с помощью инструментов ИИ.

«Речь идет об увеличении скорости принятия решений и снижении стоимости экспериментов, чтобы команды могли тестировать сто идей вместо пяти и быстро отбрасывать неудачные варианты без традиционного бремени технического долга», — сказал Stephane Koenig, вице-президент Yahoo. «Это позволяет нам сохранять человеческую экспертизу для самых сложных решений, где нужен контекст, которого нет у ИИ».

Leimer высказал похожую мысль в разговоре с Fortune: работа теперь во многом является разговором о работе. «Мы приходим и разговариваем друг с другом, и убеждаемся, что у нас действительно есть реальное подтверждение и убежденность в том, что вот эти вещи мы собираемся делать», — сказал он.

Риск, добавил Leimer, в том, что теперь командам нужно быть особенно «по-настоящему вдумчивыми» в отношении верхнего слоя работы, потому что ИИ позволяет легко «просто построить все что угодно».

Leimer сослался на совет своего руководителя, президента Yahoo Media Group Ryan Spoon: «Важно, чтобы вы действительно были убеждены в том, что строите», потому что команды могут построить почти что угодно почти мгновенно. В прошлом, сказал он, организации тратили много времени на верхнюю булочку, потому что инженерные ресурсы были ограничены. «Вы не хотели потратить впустую ни одной секунды времени инженера». Теперь риск заключается в мгновенном создании ненужных вещей — это модель, которую глобальный руководитель McKinsey по технологиям и ИИ Kate Smaje ранее описала Fortune как ловушку «ложной продуктивности».

Leimer сказал, что когда он видит небрежную работу, созданную ИИ, — ее часто называют “AI slop”, — это отражает ситуацию, «где, по сути, булочка очень тонкая». В таких случаях люди недостаточно обдуманно относятся к тому, что выпускают как рабочий продукт, потому что исполнительная часть «гамбургера» сжалась почти до нуля.

У этой динамики есть измеримые издержки. Профессионалы начали использовать термин “workslop” для описания созданных ИИ писем или рабочих материалов, отправленных на проверку без надлежащей предварительной верификации. Эксперты, писавшие в Harvard Business Review, утверждали, что эта проблема не просто раздражает, а разрушительно влияет на продуктивность. Stanford Social Media Lab оценил стоимость этого явления в $9 million в год для компании с 10,000 сотрудников, согласно отчету, на который ссылался Techdirt.

Эта проблема особенно актуальна по мере того, как компании переходят от демонстраций ИИ к повседневным рабочим процессам. Черновик, прототип или сгенерированная функция могут выглядеть завершенными до того, как их проверили на соответствие потребностям пользователей, требованиям безопасности, точности данных и собственным стандартам организации.

Усталость от принятия решений становится новым ограничением

В совокупности эти примеры поддерживают мнение Narayanan о том, что ИИ сейчас в большей степени является технологией сотрудничества, чем полноценным механизмом автоматизации. Он утверждает, что большинству ИИ-агентов по-прежнему трудно обеспечить надежность в средах с высокими ставками, поэтому компании предпочитают системы с участием человека, а не полностью автоматизированные процессы.

В Yahoo руководители говорят, что результат проявляется как усталость от принятия решений, а не как немедленная потеря рабочих мест. Поскольку ИИ позволяет командам тестировать и создавать гораздо больше функций, узким местом становится количество решений, которые продакт-менеджеры, дизайнеры и инженеры могут вдумчиво принять, проверить и довести до завершения.

Lockington сказал, что ИИ не устраняет сложность пересекающихся ролей на рабочем месте. «Традиционно кто-то мог бы спросить: “Почему этот инженер занимается дизайном?” или “Почему этот дизайнер делает мою работу?”» — сказал он. Он отметил вклад Koenig в создание психологической безопасности, необходимой команде для работы с такими вопросами. «Мы смогли это разобрать и преодолеть».

Leimer сказал, что когда такая безопасность появляется, работа становится «по-настоящему увлекательной». После примерно 20 лет в управлении, которые отдалили его от создания продуктов и написания кода, с чего он начинал, он сказал, что этот сдвиг изменил то, как люди воспринимают продуктовую разработку. «Теперь у всех классная работа», — сказал он, потому что каждый может чувствовать, что напрямую участвует в создании. «Также интересно наблюдать, как люди заряжаются проблемой и тем, что они строят, вместо того чтобы тратить больше времени на процесс, необходимый для того, чтобы это построить».

Будущее гамбургера — и аргумент в пользу пиццы

Narayanan предостерегает от предположения, что рабочие места останутся неизменными. Он говорил, что ожидает десятилетий структурной адаптации по мере того, как компании будут реорганизовываться вокруг ИИ, сравнивая это с 40-летним переходом фабрик после того, как электричество сделало возможными сборочные линии.

Однако пока в таких областях, как программное обеспечение, право, медицина и перевод контента, наблюдается закономерность: спрос на человеческий труд смещается и растет по мере распространения ИИ. Радиологи внедрили ИИ, и занятость при этом выросла. Юристы подают больше исков, потому что составление документов стало проще. Переводчики продолжают иметь стабильную работу спустя годы после того, как машинный перевод приблизился к человеческому уровню, потому что не существует фиксированного предела тому, что можно перевести и на сколько языков.

Опыт Yahoo показывает, что офисная работа может пойти по схожему, хотя и более хаотичному пути. По мере снижения технических барьеров руководители компании говорят, что личная инициатива и суждение становятся более важными отличиями: не то, кто умеет писать код, а то, кто может решить, какие проблемы стоит решать, и как проверить то, что производит ИИ.

Leimer попросили еще дальше развить пищевую метафору, включая отсылку к его корням в Philadelphia и знаменитому городскому cheesesteak. Если определяющая особенность cheesesteak — не только мясо, но и итальянский хлеб hoagie, вопрос заключался в том, относится ли это и к будущему работы.

Leimer сказал, что более серьезное узкое место — это «нижняя булочка», или слой доставки. После того как команда решает, что делать, работа может быть произведена почти мгновенно, но доставка остается сложной. «Вам нужно проработать все остальное, вам нужно это проверить», — сказал он, имея в виду риски безопасности и необходимость выстроить конвейер развертывания, даже когда работа выглядит готовой к выпуску одним нажатием кнопки.

Для продуктов, связанных с финансовой информацией, этот слой доставки может включать качество данных, разрешения, надежность и доверие пользователей, а также развертывание программного обеспечения. Эти проверки не исчезают только потому, что код или интерфейс можно сгенерировать быстрее.

На вопрос, является ли конечной точкой что-то более похожее на пиццу или лепешку — где человеческая работа сосредоточена в решениях, задачи сжимаются до размера начинки, а доставка становится бесшовной, — Leimer рассмеялся и сказал: «Что-то вроде того».

В метафоре гамбургера Narayanan ИИ уже сделал котлету тонкой. Расширяющиеся булочки — это место, где теперь находятся рабочие места, обязанности и риски. Смогут ли компании перестроить работу во что-то более плоское и устойчивое, остается открытым вопросом на ближайшие годы, а возможно, и десятилетия.

Эта история первоначально была опубликована на Fortune.com.