Як вберегтися від скорочення, якщо вас навіть ще й джуном не найняли

Всім привіт! Я Саша Каленюк, керую невеличкою дослідницькою групкою в компанії Матеріалайз, яка робить найкращі у світі алгоритми для забезпечення 3D-друку. А ще я працюю на кафедрі цифрових технологій в енергетиці КПІ, де викладаю дослідження операцій і вивчаю триперіодичні поверхні, якими, не без допомоги, знов таки, 3D-друку, можна утворювати ефективні теплообмінники.

Є в мене колега, теж дослідниця. Питає, а як так? «Ти ж програміст»! Нащо тобі ці теплообмінники? Нащо той політех? Хіба там є гроші, слава, пригоди, повага колег, і стіл для аерохокею? Сиди собі в затишній айтішечці, пиши код, закривай тасочки, качай собі грошву до пенсії, а там скоро і в гробок. Відіспишся.

Ні, кажу. Я займаюсь наукою не тому, що там є гроші та стіл для хокею, а тому, що є ненульова вірогідність, що поки я доживу до пенсії, в айтішечці, на відміну від енергетики, теж ані грошей, ані хокею не залишиться.

За минулий 2024 рік тільки штатівські технологічні компанії звільнили більше ніж 150 000 працівників. Мабуть, всі найбільші і найвідоміші компанії відмітились масовими скороченнями. Декілька сотень звільнив Амазон, трохи більше тисячі Гугл, ще трохи більше Майкрософт, і ще декілька тисяч Тесла.

В цьому році вже відомо про приблизно 100 000 скорочень.

Причини щороку називаються різні. Цього року це, звісно, тарифи Трампа, минулого року — був штучний інтелект, який ніби-то всіх нас замінить. Що цікаво, власне для спеціалістів зі штучного інтелекту перспективи працевлаштування виглядають дуже непогано. На фоні загальних скорочень штучників наймають таки доволі активно.

Але якщо згадувати найбільш скандальне скорочення у Твітері 2022 року, то там звільнили половину інженерів без всяких тарифів і без жодного штучного інтелекту.

На мій погляд, причини всіх цих звільнень суто математичні та жодного стосунку до інтелекту, штучного чи природного, не мають.

Закон Мура і газон Мартіна

Закон Мура, сформульований у 1965 році, каже, що кількість транзисторів на одиницю площі інтегральної схеми збільшуватиметься вдвічі що два роки. Ну ви це і так знаєте. Очевидно, що цей закон не діятиме вічно, є певні фізичні, технічні й технологічні обмеження. Розмір атома, наприклад, обмежує те, наскільки транзистори можуть бути зменшені, а швидкість світла — швидкість передачі сигналу між ними.

Тобто всі знають, що закон Мура не назавжди, бо у нього є фізичні обмеження. Але технічні й технологічні обмеження, такі як, наприклад, на швидкість тепловідведення (привіт рідній кафедрі), або на довжину хвилі при літографії, — поки що інженерам вдавалося обійти або подолати.

Але є ще інший «закон». У 2014 році Роберт С. Мартін, знаний як Uncle Bob, поділився іншим емпіричним спостереженням, дуже схожим на закон Мура. Мартін стверджує, що кількість програмістів у світі так само подвоюється, як і число транзисторів, але раз у п’ять років. Не два. Це спостереження має назву «газон Мартіна» за назвою його блог-поста «My Lawn».

І знов таки, всі знають, що це не назавжди. Бо кількість людей на планеті земля збільшується повільніше, ніж кількість програмістів. Якщо «газон Мартіна» триватиме до кінця сторіччя, то кожен мешканець планети Земля муситиме стати програмістом принаймні тричі.

У цього «закону» теж є обмеження. Як економічні, так і суто математичні. І насправді це дивно, що нам так довго вдавалося обходити першу категорію.

Баг із нескінченими грошима

Сервісна економіка, на відміну від агрокультури, сировинної, чи, знов таки, енергосектору, має один цікавий баг. Вартість послуг визначається виключно попитом. А попит регулюється пропозицією. Яка визначає попит і так далі. Давайте поясню на прикладі.

Нехай захотів я заробити сто гривень. Давайте, кажу я вам, за сто гривень, ну... вікна помию. Гаразд. Але якщо я піду мити вікна вам, то в мене вони ж тоді непомиті залишаться. Непорядок. Тому давайте я вас найму за ті самі сто гривень. Добре придумав? Ми миємо один одному вікна, платимо зарплатню, лишаємося, правда, без реального доходу, але приносимо країні 200 гривень до валового національного продукту. Ми молодці!

А от якби кожен сам собі вікна помив, не було б послуги, не було б сервісної економіки.

Але це ще не все. Що завадить мені запросити по тисячі гривень за вікно? Ринок? А що, якщо на ринку тільки я і ви? Я вам теж заплачу тисячу, ми знов нічого не заробимо, але дві тисячі у валовий продукт капне.

А може десять тисяч? Може, сто? Зрештою, чому б не мільйон? Будемо у нашій замкненій системі мільйонерами. Хай всі заздрять. Всі — це хлібороби зі сталеварами, які до глобального ринку прив’язані, і один з одним напряму взагалі не спілкуються. Саме тому, до речі, розвинені країни часто мають дотаційний агросектор і важку промисловість попри їх порівнювальну ефективність.

Так от проблема ринку IT-послуг, особливо у Штатах, у тому, що він не може бути закритим назавжди. А глобальний ринок усереднює ціну послуг, підіймає для африканців, знижує для американців. Поки головним споживачем і постачальником цих послуг були власне Штати і Європа, можна було вільно підіймати ціну цих послуг. Економіка була замкнена і відкривалася тільки для тих, хто був готовий більше працювати за менші гроші.

Але економіка не може бути замкненою і глобальною водночас. Ціна на послуги не може постійно зростати. Так само як і кількість програмістів. Рано чи пізно має статися колапс.

Історичні колапси професії

Чув від старших товаришів, що історично перша паніка серед програмістів прокотилася одразу після винайдення асемблера. Все пропало, справжні програмісти нікому не потрібні, тепер кожен інженерішка може код писати. І навіть не знати, як у машинному коді інструкції виглядають! Все, немає більше професії, і ніколи не буде.

Але зачекали, роздивилися, ніби нічого страшного і не сталося. Не може кожен інженерішка на асемблері супутники запускати та реактором керувати. Ніби збереглася професія. Пройшло п’ять років, настав тиждень програмістів і кількість програмістів подвоїлася.

Потім був ФОРТРАН і брат його грішний КОБОЛ. Ой-ой, тепер точно все. Тепер і інженер, і фінансист — обоє сядуть за свої компілятори й все собі самі понаписують. Не буде більше програмістів, одні прикладники.

Але не понаписували. Ну, тобто, понаписували, звісно. Але стільки понаписували й так, що довелося ще кількість програмістів подвоїти, щоб це все якось розгрібати та підтримувати.

Потім було індуктивне програмування. RAD. Графічні мови. No-code. І кожен тренд передвіщав похорон професії. І щоразу після чергових похорон професії на роботу верталося вдвічі більше співробітників, ніж скільки там на ці похорони відпрошувалися.

Зараз в моді штучний інтелект, а точніше великі лінгвістичні моделі, які вміють «писати код». І я майже певен, що жодного стосунку до масових скорочень вони самі по собі не мають.

Нова загроза

Більш ніж двадцять років тому Джеймс Шуровікі написав дещо контроверсійну книжку, яка називається «Мудрість натовпів». Книжку він почав з опису сільського ярмарку, а точніше однієї конкретної ярмаркової розваги. Всім бажаючим пропонувалося вгадати вагу бика, якого вивели на привселюдний огляд. Той, хто називав найближчу до правди цифру, забирав приз.

Через те, що більшість людей не бикологи за фахом і не бикознавці за покликанням, оцінки розбіглися дуже сильно. Від неймовірно малих до неправдоподібно високих. Втім, як зазначив Шуроківі, середня оцінка, взята як сума всіх оцінок поділена на кількість учасників, виявилась надзвичайно близькою до дійсності.

Власне, книга, як можна здогадатися із назви, і присвячена феномену колективного інтелекту. Явища, яке полягає в тому, що похибка багатьох суджень має схильність до самокомпенсації. Якщо вага бика, скажімо, складає сімсот кілограмів, то на кожного, хто скаже чотириста, у достатньо великій вибірці знайдеться хтось, хто скаже тисяча, і їхні помилки самознищаться.

Шуровікі знаходить багато прикладів такого колективного інтелекту. Часто неочевидних і непередбачуваних. Втім, як зазначено в самій книзі, а не тільки у її критиків, навіть в найкращому випадку колективний інтелект працює краще за приблизно 99% окремих учасників. Приблизно 1% експертів стабільно «переграють» колективний інтелект у своїй окремій вузькій області експертизи.

Я згадав цю книжку, написану, зазначте, у 2004 році, тобто задовго до штучно-інтелектуальної відлиги, коли побачив статтю із назвою «The current state of artificial intelligence generative language models is more creative than humans on divergent thinking tasks». В статті йдеться про те, що великі лінгвістичні моделі, і GPT-4 зокрема, «переграють» 99% людей у креативних задачах. Стоп, але це також означає, що 1% «переграє» GPT-4. Десь я таке вже чув, подумалось.

А як, власне, працює GPT-4? Книголюбам можу порекомендувати книгу Стефена Вольфрама «What Is ChatGPT Doing ... and Why Does It Work?». Книгоненависникам — статтю того ж автора з такою ж назвою. А зовсім нетерплячим — пояснення одним реченням:

ChatGPT працює, підбираючи одне за одним слова, які найбільш ймовірно продовжують запит і недописану відповідь.

Ну гаразд. А звідки він знає, які слова найбільш вірогідні? Та власне із даних, на яких він натренований. А звідки беруться дані? Здебільшого з відкритих джерел. З бібліотек, сайтів типу StackOverflow, Quora, або Reddit та з іншого інтернету. Тобто люди генерують дані, а ChatGPT робить математику, яка генерує найбільш вірогідну відповідь на кожне конкретне питання.

Тобто якщо на секундочку замислитись, це та сама розвага з биком, тільки більш високотехнологічна. Дані поступають від людей, а за рахунок того, що помилки в даних самокомпенсуються, відповідь, яку генерує чат, точніша за ту, що дали б 99% тих самих людей, які надають дані.

Але 99% це ж не 100%. Один процент людей «переграє» як колективний інтелект, так і штучний, але у своїй спеціалізації, у своїй зоні експертизи. Якщо повернутися до статті про креативні задачі, то варто зазначити, що весь креативний клас на планеті земля, від авторів жіночих романів до освітлювачів у цирку — це 50 мільйонів людей. Тобто якраз біля одного процента від працездатного населення. Жодного чуда, суцільна математика.

Тобто в принципі професіоналам із досвідом і освітою, яка робить їх краще підготовленими за 99% навіть не колег по професії, а сородичів по популяції, лінгвістичні моделі не загрожують. З іншого боку, рутинну роботу ці моделі як-не-як виконують, а це підточує ринок для молодих спеціалістів. Якщо раніше можна було набрати джунів і дати їм тести писати чи якусь обв’язку для API, то тепер можна таке робити генеративним інтелектом. Але ж щоб стати професіоналом із досвідом, треба цей досвід якось заробляти. А як його заробити, якщо стартові позиції зайняті штучним інтелектом?

Ну, лишається освіта.

Ох

З освітою у нас, я маю на увазі, на цій планеті, не дуже. Нобелівський лауреат Клодія Голдін у своїй книжці «Перегони між освітою і технологією» зазначає, що економічний прогрес розвинених країн і Сполучених Штатів передусім зумовлений тим, що протягом майже всього двадцятого століття залученість громадян в освіті зростала майже лінійно. Починаючи від загальнодоступних початкових, а потім і середніх шкіл, до коледжів і університетів із пільгами для ветеранів — все це створювало ситуацію, коли кожне наступне покоління було більш освіченим, а значить і більш дорогим на ринку праці. Більш спроможним до інновацій в економіці та техніці.

Десь до дев’яностих років. Потім тренд сповільнився, а місцями й зупинився цілком.

Сьогоднішнє «усереднене світове» покоління вже не є більш освіченим за попереднє. Розумнішим — можливо, молодшим — за визначенням. Але освіченішим — точно ні. І, як на зло, саме зараз, і саме через те, що попередні програмісти вже непогано попрацювали, бути розумним без знань дуже невигідно.

Розум чи рухомий інтелект — це здатність швидко розв’язувати когнітивні задачі. Швидко шукати відповідь на поставлене питання, швидко рахувати інтеграли, швидко перебирати ходи у шахах. Це здатність змагатися із комп’ютером на його полі. Це не те, що робить людину цінною на ринку праці.

Рухомий інтелект дається від народження. Його можна підтримувати, розвивати, але зазвичай із часом він згасає.

Кристалічний інтелект — це сума знань, навичок і досвіду, яка є унікальною для кожної людини, і яка є, за винятком дуже невеличкого віконця у вигляді публікацій, недоступною для машини. Цей інтелект із часом тільки зростатиме. Освіта — це спосіб формувати цей інтелект, а досвід — спосіб зробити цей інтелект персоналізованим і цінним.

Парадоксально, але штучний інтелект не заміняє інтелект кристалічний. Знов таки, через усереднення, через те, що корпус формується із шумом, через те, що модель шукає найімовірнішу відповідь, знання в голові та знання в машині — це зовсім різні знання. Штучний інтелект допомагає виконувати задачі краще за 99% людей по популяції, а освіта і досвід — робити саме те, що робить останній 1% професіоналів. Саме те, за що платять.

На мою особисту думку, досвід є важливішим за освіту. Але освіта, особливо зважаючи на штучний інтелект і те, як він під’їдає джуніорські позиції, є більш доступною.

Повертаючись до головного питання

Отже, як зробити так, щоб обігнати на ринку праці штучний інтелект і колег, яких звільнили з Майкрософта? Що буде для вас оберегом?

1. Освіта. Попереднє покоління не має переваги в освіті. Вже не дев’яності роки. Якщо ви проінвестуєте шість років у голову, отримаєте перевагу, яке наше покоління, яке пішло працювати після другого курсу, не має і ніколи вже не матиме.
2. Спеціалізація. Програміст-генераліст може робити будь-яку роботу, але гірше за той самий критичний 1%. Якщо ви можете робити те саме, що і ШІ, але повільніше, переваги на ринку праці ви не матимете. При тому генералізація лишається важливою опцією, тому бажано будувати кар’єру за T-формою. Хороша базова освіта плюс унікальна спеціалізація.
3. Везіння. Насправді вся економіка — це гра шансів. Деякі сфери більш прибуткові, деякі більш стабільні. Зазвичай періоди великих грошей у тій чи іншій сфері довго не тривають. Тож якщо зараз, сьогодні, можна заробити на штучному інтелекті — треба заробляти на штучному інтелекті, поки можна. Але якщо можна заробляти на теплообмінниках потроху, але завжди, при будь-якій моді й будь-якій кон’юнктурі, — ну то це теж гідний варіант.