06 — Панельная дискуссия: какие навыки нужны, чтобы вас не заменил ИИ

Статус: drafted

Спикер / автор: Алексей Подклетнов, Илья Прахт, Александр Орлов

Описание

Панельная дискуссия второго дня конференции «Управление 2026» про навыки, которые делают руководителя и сильного специалиста устойчивее в AI-сдвиге: антикризисное мышление, hands-on-роль, доменная релевантность, бизнес-ориентированность, AI-практика, нетворк и репутация.

Короткий комментарий по статусу

есть canonical links, slides.pdf, chat.pdf, transcript.raw.json, transcript.md, семь chunk-файлов, содержательный summary-jarvis.md, честный comparison.md; Gemini-слой явно помечен как not run

Полезные ссылки

Что уже собрано

Шестой talk по текущей структуре/очереди — это панельная дискуссия «какие навыки нужны, чтобы вас не заменил ИИ».

На текущем packaging-pass здесь уже закреплены: - canonical source links (YouTube + Teachable); - slides.pdf; - chat.pdf; - transcript.raw.json через youtube-transcript-api; - transcript.md с 2-минутной нарезкой; - семь chunk-файлов по ~8 минут; - summary-jarvis.md как основной смысловой слой; - comparison.md как честная фиксация drafted-состояния без выдуманного Gemini; - summary-gemini-raw.md и summary-gemini.md как placeholders со статусом not run.

Что важно про этот проход

Здесь сделан лёгкий packaging-pass поверх уже существующего summary-jarvis.md, а не новый полный semantic-разбор с нуля.

Это важно по двум причинам: - смысловой слой уже был собран и не требовал переписывания; - формат материала — именно panel discussion, поэтому ценность здесь в аккуратной упаковке разговорного ядра, а не в натягивании ложной лекционной стройности.

Практические замечания

  • youtube-transcript-api на этом ролике сработал успешно (1504 сегментов, длительность около 55:56).
  • yt-dlp --list-subs показал автосубтитры (ru, ru-orig и др.), так что при необходимости есть дополнительный ingestion-path кроме transcript API.
  • chat.pdf совпадает с уже использовавшимся файлом второго дня (Chat2.pdf), то есть он общий как минимум для соседних материалов этого блока.

Оценка готовности

Для стадии drafted карточка сейчас выглядит как рабоче собранная: - базовый входной комплект собран; - основной смысловой слой уже есть в summary-jarvis.md; - comparison.md честно объясняет отсутствие реального Gemini-сравнения; - Gemini-слой явно помечен как not run, а не замолчан.

Если к этому talk когда-нибудь возвращаться, то уже не ради базовой упаковки, а только ради дополнительной полировки или отдельного реального Gemini-pass.

Выжимка

Что это было

Это не стройный доклад с одной линией аргумента, а живая панель про AI-сдвиг на рынке труда, особенно для специалистов и руководителей в IT и около-IT среде. Ведущий сводит несколько тем сразу: реальность AI-автоматизации, изменение карьерной пирамиды, судьбу джунов, новые требования к менеджерам, роль публичности и типичные ошибки при внедрении AI в команды.

Несмотря на «разговорность» формата, у панели есть довольно ясное смысловое ядро: ИИ уже не выглядит как факультативный инструмент; он меняет саму конструкцию работы, а выигрывают не те, кто просто “умеет пользоваться чатиком”, а те, кто лучше понимает систему, контекст, людей и может собирать из этого рабочее решение.

Ядро панели в одной формуле

Рутинные и локальные задачи дешевеют и автоматизируются; ценность человека смещается вверх — к контексту, системному мышлению, доменной глубине, работе с неопределённостью, людьми и к способности организовать совместную работу людей и AI.

Основные тезисы

1. Сдвиг уже реален, это не просто шум вокруг технологии

Участники исходят из того, что AI уже перешёл из статуса «интересного помощника» в статус реального ремесленного исполнителя: он может делать заметную долю прикладной работы быстрее человека, пусть и не без контроля. На этом фоне меняется не только скорость отдельных задач, но и сама логика того, как строятся процессы, команды и даже компании.

Здесь важен не буквальный спор о процентах и громких кейсах, а более приземлённый вывод панели: игнорировать сдвиг уже нельзя, потому что он влияет на найм, требования к людям, структуру задач и ожидания бизнеса.

2. Карьерная пирамида сдвигается вверх

Самая сильная мысль панели: AI вымывает нижний слой рутинной работы, поэтому от людей всё раньше начинают ждать не «аккуратно исполнять кусочек», а видеть систему, цель и контекст задачи.

Что из этого следует: - от джуна начинают ждать почти medior-поведения; - от мидла — способности управлять несколькими AI-исполнителями как набором «цифровых джунов»; - от руководителя — ещё большего масштаба, системности и зрелости, чем раньше.

То есть формально уровни могут называться по-старому, но содержательно планка поднимается. Панель не утверждает, что джуны исчезнут полностью, но допускает серьёзную деформацию привычного входа в профессию: простые стартовые задачи всё хуже защищены от автоматизации.

3. Главная защита — не “промптинг”, а системность, контекст и специализация

Участники довольно прямо хоронят «prompt engineering» как отдельную магическую профессию. Их мысль: модели всё лучше понимают обычный язык, поэтому узкая ценность не в том, чтобы написать особенно хитрый запрос, а в другом: - дать правильный контекст; - понять, какую именно задачу вообще надо ставить; - встроить AI в реальный workflow; - оценить результат и понять, где ему можно доверять, а где нельзя.

Отсюда смещение от промптов к context engineering и к более широкой способности строить рабочую систему.

Отдельно несколько раз звучит защита через доменную глубину: - AI хорошо знает открытое и общее; - хуже защищены те, кто делают типовую, поверхностную работу; - лучше защищены те, кто понимают внутреннюю логику конкретной индустрии, продукта, компании, политического и человеческого контекста.

4. Незаменяемый слой — люди, неопределённость и “склейка” разрозненных частей

Один из самых содержательных фрагментов панели — мысль, что навык не сводится к знанию плюс практике. Есть ещё третий слой: умение склеивать.

То есть брать: - данные, - цели, - ограничения, - интересы разных сторон, - скрытые конфликты, - человеческие состояния, - организационный контекст,

и превращать всё это в решение, которое не просто “логично на бумаге”, а реально исполняется.

Именно здесь участники видят пока ещё человеческое преимущество: - работа с неопределённостью; - принятие решений в живом контексте; - эмпатия и считывание состояния людей; - удержание баланса между бизнесом, командой и реальностью исполнения; - организационная и политическая навигация внутри компании.

Это особенно важно для руководителей: если операционный низ автоматизируется, то человеческая ценность менеджера не снижается, а поднимается на более сложный этаж.

5. AI не отменяет развитие, а меняет его механику

Интересный и не совсем банальный тезис панели: AI не обязательно «отупляет». Для думающего человека он может стать почти бесконечным партнёром для обстукивания мыслей, проверки гипотез и ускоренного обучения.

Но есть и обратная опасность: если начать слишком быстро отдавать мышление наружу, можно подсесть на внешний костыль и ослабить собственную критическую работу. Поэтому желаемый режим — не замена мышления, а усиление мышления.

Панель здесь проводит границу так: - AI хорошо ускоряет получение и упаковку знаний; - но зрелость, рефлексия, управленческий вес и проживание сложных ситуаций он за человека не проходит.

Что это значит для руководителей

Для менеджеров и лидов из панели вытекают несколько практических выводов.

Руководителю нельзя просто “подключить AI” к старому контуру

Если внедрять инструменты, но не перестраивать сам способ работы, получится хаос: процессы, кодовая база, распределение задач и ожидания останутся «человеко-ориентированными», а в них поверх просто воткнут агента.

Мысль панели: AI требует не косметического внедрения, а пересборки логики работы.

Работа руководителя всё сильнее про orchestration

Руководитель должен уметь: - понять, что отдавать AI, а что нет; - организовать инфраструктуру применения AI; - встроить это в командный процесс; - не потерять контроль качества; - не сломать команду тревогой и сопротивлением.

То есть ценность руководителя уходит не в «сам всё сделаю руками», а в построю среду, где люди и AI дают лучший совместный результат.

Игнорировать страх команды — ошибка

Панель довольно здраво подсвечивает, что у людей при внедрении AI возникает не только рабочий, но и экзистенциальный вопрос: «а я тут теперь зачем?» Если руководитель этого не видит и просто говорит «у вас же теперь есть AI, делайте в три раза быстрее», он сам запускает саботаж, тревогу и развал доверия.

Нужна внятная коммуникация: - какая картина будущего у команды; - что именно меняется; - зачем это делается; - что остаётся человеческой зоной ответственности; - как люди будут расти в новой конфигурации.

Что это значит для специалистов

Для individual contributors и тех, кто строит карьеру, панель предлагает довольно жёсткий, но полезный разворот.

Недостаточно хорошо делать задачу

Нужно понимать: - зачем задача существует; - в какой системе она живёт; - как она связана с бизнес-целью; - где здесь AI помогает, а где создаёт ложную уверенность.

Общая универсальность хуже защищает, чем предметная глубина

Если человек остаётся на уровне «умею понемногу всё типовое», он ближе к зоне замещения. Если у него появляется специализация, скрытое отраслевое знание, опыт конкретных процессов и понимание живой среды — это создаёт более крепкую защиту.

Учиться надо не только предмету, но и новому способу работы

AI даёт шанс раньше делать почти реальные проекты, прототипы, ботов, инструменты и быстрее накапливать практику. Но это повышает и планку: рынок начинает ждать от новичка не просто теории, а большей субъектности и лучшего понимания системы уже на входе.

Отдельная линия: заметность и нетворк

Важный боковой, но не случайный сюжет панели — публичность. Здесь мысль не в том, что всем срочно надо стать блогерами. Скорее так: - в мире коммодитизированных навыков личная репутация становится дополнительным капиталом; - публичность полезна прежде всего как вход в нетворк; - нетворк ценен не сам по себе, а как доступ к людям, знанию, возможностям и доверию.

Практический совет панели простой: если развивать заметность, то лучше через понятную тему и реальную полезность, а не через бессвязный поток личного шума.

Типичные ошибки при внедрении AI

Панель называет несколько типовых провалов.

1. Отдавать AI всё подряд

Самая грубая ошибка — не различать, где AI уместен, а где нет, и перекладывать на него мышление, приоритизацию или принятие решений, которые всё ещё требуют человеческой ответственности.

2. Внедрять инструмент без перестройки процесса

Если старый процесс остаётся прежним, а AI на него просто «навешивают», то результатом становятся мусорные артефакты, плохая поддерживаемость и организационный долг.

3. Считать AI пузырём и ничего не менять

Панель прямо отсекает эту позицию как опасную форму самоуспокоения.

4. Игнорировать командную психологию

Если не работать со страхом замещения, сопротивлением и неясностью будущего, внедрение ломается не технически, а социально.

Сильные мысли, которые стоит унести

  1. AI не просто автоматизирует задачи — он поднимает порог ожиданий от человека.
  2. Растёт ценность не исполнения как такового, а понимания системы, контекста и причинно-следственных связей.
  3. Руководитель будущего — это не “ещё более загруженный контролёр”, а архитектор среды, где работают и люди, и AI.
  4. Защита от замещения строится не на статусе отрасли, а на навыках, которые плохо поддаются автоматизации: доменная глубина, работа с неопределённостью, коммуникация, эмпатия, организационная сборка.
  5. Публичность полезна постольку, поскольку конвертируется в доверие, связи и репутационный капитал.

Где панель была слабее

Есть и ограничения формата, которые полезно зафиксировать: - местами разговор уходит в общие ощущения рынка без жёсткой опоры на разбор конкретных кейсов; - тема образования и нового входа в профессию только обозначена, но не разобрана до механики; - тезис о «смерти джунов» звучит сильно, но остаётся скорее предупреждением о деформации входа, чем доказанным прогнозом; - дискуссия часто совпадает по взглядам, поэтому напряжённого столкновения альтернативных картин почти нет.

Но даже с этими ограничениями панель полезна как карта сдвига требований, а не как точный прогноз по профессиям.

Итог

Если собрать разговор в одну рабочую мысль, она такая:

В AI-сдвиге проигрывает человек, который остаётся носителем типовой локальной функции. Выигрывает человек, который понимает систему глубже задачи, умеет работать с людьми и неопределённостью, наращивает доменную глубину, осваивает AI как инструмент и может собирать из людей, контекста и машинного исполнения реальный результат.

Панель не обещает спокойствия в старом виде, но и не поддерживает фатализм. Её позиция трезвая: работы меньше не станет, но она станет другой, а значит, главный вопрос — не «заменят ли всех», а кто успеет перестроиться в сторону более сложной человеческой ценности.