«У процесса всегда было два результата. Первый — сама выполненная работа. Второй — человек, который стал чуть лучше способен выполнять эту работу самостоятельно» «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: 00:00 — Введение 01:10 — Итог прошлого выпуска: ИИ снижает цену действия, но не цену решения 01:40 — Новое следствие: опытный специалист вытесняет начинающего из работы 02:10 — Кейс Мэтта Бина: как роботизированная хирургия изменила обучение хирургов 05:04 — Важный вывод: дело не в качестве операций, а в распределении работы 05:55 — «Теневое обучение»: как резиденты сами добывали практику в обход системы 07:49 — Два результата любой работы: сам результат и обученный человек 08:54 — Пример продакт-менеджера: какие задачи раньше доставались джуниорам 10:24 — Что теряется, когда модель делает эту работу за человека 11:28 — Исследование 2024 года: младшие консультанты и генеративный ИИ 13:28 — Почему нужно различать выполнение задачи и формирование навыка 14:03 — Эксперимент: программисты изучают новую библиотеку с ИИ и без 15:03 — Разница между помощью, убирающей сложность, и помощью, которая учит с ней работать 18:39 — Замкнутый круг: меньше практики — медленнее растёт способность оценивать ИИ 19:10 — Модель экономиста Энрике Иде о передаче неявного знания между поколениями 19:51 — Дилемма руководителя: джуниор или опытный сотрудник для задачи с ИИ 20:35 — Почему правка кода джуниора и модели — не одно и то же 21:49 — Контрпример: как PackBot изменил обучение сапёров 23:49 — Главный вопрос: кому достаётся управление при внедрении ИИ 26:03 — Почему запрет на ИИ для новичков — плохое решение 29:14 — Три вещи, которые должна сохранять система обучения с ИИ 32:11 — Суждение — результат переработанного опыта, а не врождённая способность