Как оставаться востребованным в эпоху ускоряющегося ИИ - Виктор Кантор "MLinside"
Виктор Кантор — эксперт по Big Data и AI, основатель школы MLinside, ранее вице-президент по Big Data в МТС, Chief Data Scientist Яндекс.Такси, программный директор Академии больших данных MADE. Форум Data Day 2026 «ИИ + Данные». Организатор — Издательский дом «Регламент».
Главная проблема сегодня не в том, что ИИ «забирает» отдельные задачи, а в том, что он начинает работать быстрее человека почти во всех интеллектуальных процессах. Из этого следует некомфортный вывод: старая модель профессиональной ценности, где специалист просто хорошо и много делает свою работу, быстро теряет устойчивость. Автор подводит к тому, что вопрос «как стать эффективнее» уже недостаточен — нужно думать, в каких направлениях человек вообще сможет сохранять значимость.
Один из ответов, который предлагается, — смещение в области, где ИИ только начинает усиливать человека и где ещё сохраняется большой потенциал для роста. В первую очередь это робототехника и биотехнологии. В биотехнологиях подчёркивается ускорение за счёт ИИ-моделей для работы с ДНК и белками, успехи вроде AlphaFold, CRISPR и персональной генной терапии, а также появление стартапов, которые используют ИИ для разработки лекарств. Если ИИ уже меняет базу науки и медицины, то входить в эту область сейчас особенно разумно, потому что спрос на специалистов будет только расти.
Робототехника описывается как ещё более практичный и близкий вход для людей из IT и аналитики. Здесь акцент сделан на VLA-моделях, которые позволяют учить роботов не просто «видеть», но и действовать. Отдельно подчёркивается, что железо стало доступнее, появились симуляторы для обучения, а значит, работать с роботами можно не только в лабораториях, но и через более доступные форматы. Важный тезис в том, что робототехника — это не только про гуманоидов, которые пока не закрывают все задачи, а прежде всего про множество прикладных систем с манипуляторами, колёсными платформами и промышленными сценариями. Поэтому для людей с данными и ML это выглядит как сильное направление для переобучения и профессионального смещения.
Второй крупный блок выступления посвящён не смене отрасли, а смене способа мышления и работы. Здесь автор говорит, что ИИ резко увеличивает количество решений, которые человек должен принимать за единицу времени. Возникает нагрузка не столько на исполнение, сколько на координацию, фильтрацию и контроль. Проблема в том, что человеческая психика эволюционно не была готова к такому объёму решений и контекстных переключений. Поэтому ощущение высокой продуктивности может быть обманчивым: людям кажется, что они «успевают больше», но реальная эффективность часто растёт слабо или даже падает.
Далее развивается мысль, что старые методы повышения личной эффективности — тайм-менеджмент, карточные системы, системное ведение заметок, регулярные практики повторения и самообучения — сами по себе хороши, но плохо масштабируются, если вести их вручную. Основная проблема не в том, что методы неправильные, а в том, что человеку трудно поддерживать их ежедневно. В этом месте ИИ становится не просто ещё одним инструментом, а способом «оживить» старые дисциплины: автоматизировать карточки, календарь, учёт времени, подготовку персонального плана обучения и другие рутинные элементы, которые раньше требовали слишком много энергии.
Отсюда вытекает прикладной вывод: ИИ можно использовать не только для работы в текущей профессии, но и для быстрого освоения новых сфер. В выступлении это показано на примерах персонального трека обучения, пробных сценариев и практического входа в новую область. Смысл в том, что раньше освоение новой темы было медленным и тяжёлым, а теперь можно быстрее получить рабочую сценку, базовый навык и уверенность, а потом уже углубляться по-настоящему. Это делает переход в новые области более реальным не только для студентов, но и для уже работающих специалистов.
Отдельно подчёркивается идея фокуса. Важнейший контраргумент против гонки за ИИ состоит в том, что не нужно пытаться «успевать за всем». Автор фактически предлагает сместить оптику с постоянного ускорения на осознанный выбор приоритетов. Вместо попытки делать как можно больше и быть везде одновременно, предлагается принять, что не всё требует участия, и что отказ от лишнего может быть полезнее, чем очередная система продуктивности. Эта мысль связывается с эссенциализмом: не просто делать больше, а жёстче выбирать, что действительно важно.
В эпоху ИИ выигрывает не тот, кто пытается ускориться до уровня машины, а тот, кто либо входит в новые области роста — робототехнику и биотехнологии, — либо перестраивает собственную работу так, чтобы ИИ снимал рутину и помогал сосредоточиться на важном. В этом смысле лучшая стратегия — не соревнование с ИИ в скорости, а разумное распределение внимания, использование автоматизации и принятие того, что ценность человека всё больше будет определяться не объёмом сделанного, а качеством выбора и глубиной фокуса.
