Последний год я всё чаще слышу: «AI soft skills!» Звучит свежо и технологично. Но за 20 лет работы методологом по компетенциям я привыкла смотреть на подобные тренды с осторожностью. Давайте разберёмся без хайпа. Что на самом деле стоит за этим словосочетанием Когда мы внедряем ИИ в рабочие процессы, от сотрудников действительно требуется кое-что новое. Например: ·        Умение разбить сложную профессиональную задачу на логически чёткие инструкции для системы (а не просто «сделай красиво»). ·        Способность не принимать правдоподобный машинный ответ за истину, а критически проверять факты и логику. ·        Навык этической оценки: безопасно ли, справедливо ли, не нарушает ли нормы то, что выдала модель. ·        Понимание, когда положиться на ИИ, а когда отключить его и сделать самому. Руководителям же приходится учиться иначе проектировать процессы: находить точки, где тандем «человек + ИИ» даёт выигрыш, проектировать ответственность за ошибки системы, чтобы она не становилась безличной, и осознанно управлять когнитивной нагрузкой коллектива. Звучит внушительно. Но если присмотреться, всё перечисленное — это старые добрые компетенции. Структурное мышление, критическая оценка информации, навык делегирования, этическое суждение, адаптивность. Они были в моделях компетенций задолго до нынешнего бума генеративных сетей. Так в чём же новизна? Новизна не в существе навыков, а в цене их отсутствия. Раньше недостаток критичности приводил к ошибке в конкретном расчёте. Сегодня та же слабость мгновенно тиражирует непроверенный вывод на все рабочие процессы компании. Планка допустимого уровня владения этими качествами резко поднялась. Тренд «AI soft skills» — это не рождение новых способностей, а сигнал: мы обязаны развивать имеющиеся до гораздо более высокого стандарта. Почему это не soft и не hard Ещё один важный момент. Классическая схема «жёсткие — мягкие» здесь ломается. Чтобы грамотно поставить задачу ИИ в юриспруденции, нужно и отраслевое знание (hard), и точность формулировок, и критическое мышление (soft). Без экспертизы промпт будет пустышкой, без когнитивных навыков — опасной игрушкой. Это третий тип, я называю его техно-когнитивными компетенциями. В них предметная экспертиза и мыслительные способности работают неразрывно. О чем стоит задуматься HR и собственникам 1.     Не ганитесь за красивым ярлыком. Вводить обучение «AI soft skills» как отдельную дисциплину — значит создавать иллюзию новизны. Вместо этого усильте то, что уже есть: критическое мышление, структурную декомпозицию задач, этическую оценку решений. Но развивайте их строго на материале взаимодействия с теми инструментами, которыми пользуется бизнес. 2.     Оценивайте не абстрактно, а в деле. Тест на «умение общаться с ИИ» вне профессионального контекста бесполезен. Дайте бухгалтеру задачу проверить расчёт, который сделала система. Посмотрите, заметит ли он скрытые допущения и ошибки. Именно там проявится реальный уровень критической проверки. 3.     Пересмотрите структуру компетенций. В профилях должностей, где работа с ИИ становится ежедневной, выделите особую группу — техно-когнитивные требования. Например: «Проверка достоверности автоматизированных выводов», «Декомпозиция экспертной задачи для диалога с системой». Это не soft и не hard в чистом виде, и оцениваться должно по особым сценариям. 4.     Для руководителей — отдельный фокус. Им критически важно умение проектировать зоны ответственности в цепочке «человек — машина». Пока вы не ответите на вопрос «Кто отвечает за ошибку ИИ?», никакие тренинги по промптингу не спасут от размывания ответственности. Короткий итог Термин «AI soft skills» — маркетинговая упаковка острой, но старой потребности. Никаких принципиально новых мышц у сотрудников не выросло. Зато тектонически выросла планка качества для мышления, критичности и структурности. Усиливайте дозировку проверенного и обязательно встраивайте её в контекст реальных деловых задач. А в модели компетенций честно выделите гибридный, техно-когнитивный блок. Это будет честнее и полезнее, чем погоня за звучным словосочетанием. #РазборПолетов