«Одни и те же модели будут доступны огромному количеству компаний и специалистов. Дефицитом станет среда, в которой люди продолжают приобретать опыт, необходимый для управления этими моделями»
Ведущие:
Юра Агеев, основатель ProductSense
О чем говорим:
— Введение
— Итог прошлого выпуска: ИИ снижает цену действия, но не цену решения
— Новое следствие: опытный специалист вытесняет начинающего из работы
— Кейс Мэтта Бина: как роботизированная хирургия изменила обучение хирургов
— Важный вывод: дело не в качестве операций, а в распределении работы
— «Теневое обучение»: как резиденты сами добывали практику в обход системы
— Два результата любой работы: сам результат и обученный человек
— Пример продакт-менеджера: какие задачи раньше доставались джуниорам
— Что теряется, когда модель делает эту работу за человека
— Исследование 2024 года: младшие консультанты и генеративный ИИ
— Почему нужно различать выполнение задачи и формирование навыка
— Эксперимент: программисты изучают новую библиотеку с ИИ и без
— Разница между помощью, убирающей сложность, и помощью, которая учит с ней работать
— Замкнутый круг: меньше практики — медленнее растёт способность оценивать ИИ
— Модель экономиста Энрике Иде о передаче неявного знания между поколениями
— Дилемма руководителя: джуниор или опытный сотрудник для задачи с ИИ
— Почему правка кода джуниора и модели — не одно и то же
— Контрпример: как PackBot изменил обучение сапёров
— Главный вопрос: кому достаётся управление при внедрении ИИ
— Почему запрет на ИИ для новичков — плохое решение
— Три вещи, которые должна сохранять система обучения с ИИ
— Суждение — результат переработанного опыта, а не врождённая способность
