Доброе утро, коллеги. Станислав задал хороший вопрос.

Я несколько лет не работаю с джунами, поэтому сначала попытался ответить на него умозрительно. И довольно быстро понял, что мне мешает сама постановка вопроса. Прежде чем выбирать такую задачу, хочется задать другой вопрос: а зачем конкретной организации вообще нужен новичок?

На первый взгляд ответ очевиден (и коллега в комментариях идет по этому "пути"): чтобы развивался, набирался опыта, постепенно становился самостоятельным специалистом. Поэтому часть задач мы сознательно не отдаем ИИ, даже если он справится быстрее. Новичку ведь нужно на чем-то учиться.

Но это работает только при одном условии: организация действительно нанимает новичка как инвестицию в будущего специалиста. Это вполне разумная кадровая модель, но далеко не единственная. Джун может быть нужен компании просто как относительно дешевый исполнитель определенного класса задач. Не потому, что через три года из него хотят получить мидла, а еще через пять сеньора. Компании нужен результат здесь и сейчас, просто для его получения не требуется дорогой специалист.

До появления генеративного ИИ экономическая логика была понятна: нет смысла отдавать простую стандартизируемую работу дорогому специалисту, если с ней справится менее квалифицированный и более дешевый сотрудник.

Теперь между ними появился еще один исполнитель.

И если ИИ выполняет тот же класс задач быстрее, дешевле и с приемлемым качеством, возникает неприятный вопрос: зачем компании сознательно оставлять эту работу новичку?

"Чтобы он развивался" перестает быть достаточным ответом. Развитие сотрудника имеет экономический смысл для организации тогда, когда ей нужна компетенция, которую он в результате приобретёт. Поэтому я бы вообще не проводил границу между "рутинными" и "развивающими" задачами. Мне кажется интереснее смотреть на то, какой результат компания хочет получить от выполнения задачи.

Если ей нужен только непосредственный результат, особой причины сохранять работу за новичком я не вижу. Здесь совершенно нормально выбирать наиболее эффективный способ его получения: ИИ, автоматизацию, джуна или опытного специалиста.

Другое дело, если у задачи фактически два результата. Первый - сама выполненная работа. Второй - человек, который в процессе ее выполнения приобрел необходимую организации компетенцию. Тогда сознательно отдать задачу новичку, даже если ИИ выполнит ее быстрее, уже не выглядит неэффективностью. Компания просто оплачивает разницу за подготовку специалиста, которым рассчитывает пользоваться дальше.

Причем это необязательно учебные задачи в привычном понимании. Для аналитика самостоятельный разбор противоречивых требований, интервью, исследование исключений из процесса или попытка разобраться в неидеальной документации могут быть менее эффективным способом получить конкретный артефакт. ИИ действительно способен помочь сделать многое быстрее.

Но ценность такой работы может находиться не только в артефакте. Человек постепенно строит собственную модель предметной области, учится замечать противоречия, задавать вопросы и понимать, почему формально правильный ответ иногда оказывается практически бесполезным.

Если мы, к примеру, хотим когда-нибудь получить специалиста, способного проверять результат работы ИИ, ему придется где-то приобрести компетенцию, необходимую для такой проверки.

И здесь проявляется уже более широкая проблема, да. Для каждой отдельной компании в конкретный момент может оказаться вполне рациональным перестать инвестировать в выращивание новичков и покупать только готовую компетенцию на рынке. Но если достаточно много компаний примут такое решение одновременно, через несколько лет покупать ее станет все сложнее: опытным специалистам тоже нужно откуда-то взяться.

Поэтому я бы не стал автоматически оставлять новичку какую-то категорию задач просто потому, что "людей надо развивать". Сначала стоит понять, нужен ли компании только результат этой работы или еще и специалист, который в процессе научится его получать, а уже потом решать, кому отдавать задачу. Как-то так.