В четверг вышел очередной выпуск Possible Podcast Рида Хоффмана, и в этот раз у него Дэвид Оутор — делится своими знаниями про влияние AI на экспертизу и работу будущего.

В июне у Оутора было опубликовано большое исследование, где он каким-то хитрым образом выяснил следующее:

Влияние AI на ценность «человеческого» труда зависит от того, увеличивает или уменьшает эта автоматизация требуемый уровень экспертизы для оставшихся, неавтоматизированных задач.

Отсюда следует два сценария:

1. AI убирает экспертные задачи

Требуемый уровень экспертизы для этой профессии снижается. Для оставшихся задач не требуется сложная подготовка, и больше людей смогут справиться с этой работой. Зарплаты в этой профессии упадут, но количество занятых людей может вырасти.

2. Автоматизация убирает неэкспертные задачи

Остается самая сложная и требовательная к экспертизе работа. Она требует значительно больше талантов и уменьшает количество людей, которые могут на эту работу претендовать — зарплаты могут вырасти, а число занятых людей может сократиться.

Иногда автоматизация рутинных задач, которая, казалось бы, должна снижать занятость, приводила к росту зарплат в профессиях, где эти задачи были распространены. Все дело в том, что рутинные задачи могли быть экспертными для одних профессий (складские работники), но неэкспертными для других (бухгалтера).

Короче говоря, нас ждет поляризация экспертизы: на супер-экспертизу и не-экспертизу.

Возвращаемся к подкасту. Что еще интересного мы узнаем:

• Путь к супер-экспертизе лежит через плохо формализованные задачи, но где большие ставки и высокий импакт. Если алгоритм решения можно описать — эту работу легко автоматизировать (даже очень когнитивно-сложную).

• Самое узкое место — мы не научились эффективно и справедливо распределять доходы. Поэтому пока самый вероятный сценарий: AI сделает мир богаче, но у людей опять ничего не будет — все достанется корпорациям.

→ https://www.youtube.com/watch?v=MGKUTVyqJlI

(аудио-саммари в комментариях)

Завтра у нас с Аней будет Совет Директоров — на двоих. Будем обсуждать тему, которую как будто бы и стеснительно поднимать: а может не всем надо в визионерство и фьючер финкинг?

Аджента такая:

• Что значит быть лидером будущего и почему это звучит так соблазнительно?

• Как понять, лидер ты или нет, и почему это важно?

• Чем мы жертвуем, когда берем на себя эту роль?

• Признание своих границ и ограничений - это проявление зрелости или слабости?

8 июля, в 19:30

Ссылка будет в чате.

Друзья, начинаем уже через 17 минут — ссылка в чате.

Известный (в узких кругах) сторителлер Jeremy Waite, автор широко разошедшейся в LinkedIn «The 109 Rules of Storytelling», выпустил GPT-бота, который поможет подготовиться к выступлению и сделать нормальный питч.

Я потестировал его на воображаемой презентации про будущее работы — очень неплохо. Он и слайды предложил, и логику, и сценарий выступления.

Да, на русском языке это тоже работает.

→ https://chatgpt.com/g/g-68108e720394819192046db410297df1-purpose-driven-storytelling-coach

Кстати, если вдруг вы захотите почитать «The 109 Rules of Storytelling» — я выложил в комментариях.

Тут вот человек расписал как он 10 лет назад в Glassdoor запускал Economic Research team.

Ключевые моменты:

1. Такие юниты должны работать как think-tank

Должно быть сочетание очень глубокой системной экспертизы и харизмы (медийности). Самое важное — уметь вовлекательно и понятно рассказывать сложные истории. Если у вас даже очень умные исследования, но вы не можете о них классно рассказать, они никому не будут интересны. Но если вы харизматичный, но без глубоких знаний, вас не будут воспринимать всерьез.

For this reason, I believe most tech companies should follow a think-tank model for economic research teams. That model was pioneered by Washington, D.C. think tanks, and has been successfully transferred to technology companies in many cases: Indeed Hiring Lab; LinkedIn Economic Graph; McKinsey Global Institute; Glassdoor Economic Research; and many others.

2. У такой модели есть 5 ключевых атрибутов:

1. Интересные публикации и оригинальные исследования

2. Собственные аналитические продукты

3. Присутствие в медиа и thought leadership

4. Коллаборации с университетами и исследователями

5. Собственные мероприятия, митапы, конференции и сообщество

3. Правильное портфолио проектов

Должно быть продуманное интересное портфолио проектов: сложные, несложные, для разных задач и сегментов.

4. Надо использовать простые, проверенные методы

Ценность в данных и идеях — какие новые оригинальные инсайты из этих данных можно получить. А не в замысловатости методов.

5. Делать проекты модульными

Хорошо если в проекте заложены гипотезы и ожидания разной степени сложности. Чтобы гарантированно получить хоть какой-то результат.

Building a world-class economic research team inside tech requires more than hiring smart economists — it means creating an institutional framework that rewards both academic rigor as well as personal charisma and business relevance.

→ https://medium.com/@andrew.chamberlain/building-a-world-class-economic-research-team-inside-tech-bc4a627dc71a