Как использовать ИИ в работе: 7 выводов из интервью OpenAI
Сергей Беребеня · Контент, SMM и AI
ИИ уже перестал быть редким преимуществом. Он доступен специалисту, команде и конкуренту одновременно. Поэтому вопрос «какую нейросеть выбрать?» постепенно уступает место другому: «какие задачи, процессы и решения я могу выполнять лучше благодаря ИИ?». Работа с искусственным интеллектом становится частью обычной профессиональной грамотности, а не отдельным навыком только для ИТ.
В интервью Марины Могилко Грег Брокман, сооснователь и президент OpenAI, говорит о новом витке предпринимательства, переходе от разовых запросов к агентам и ценности отраслевого контекста. Ниже — не пересказ каждой реплики, а практическая интерпретация разговора для специалистов, руководителей и HR-команд.
Видео, на котором основан материал
Что именно обсуждается в интервью
Доступная вторичная стенограмма показывает несколько линий разговора. Брокман говорит, что ИИ может усилить предпринимательство, потому что один человек получает доступ к помощи в программировании, исследовании, дизайне и подготовке документов. В качестве примеров обсуждаются голосовой режим, персональные ассистенты и приложение, которое собирает материалы для подкаста и помогает готовиться к интервью.
Вторая линия — переход от «чат-бота, которому задают вопросы» к системе, которая сама собирает контекст, предлагает следующий шаг и выполняет часть процесса. Третья — защита от устаревания: продукт или навык должен становиться полезнее по мере улучшения моделей, а не существовать только за счёт обхода их ограничений.
Это именно тезисы интервьюируемого, а не прогноз, который можно считать доказанным. Видеоряд и вторичная стенограмма полезны для понимания позиции Брокмана, но не заменяют независимую проверку рынка.
Подробнее о том, как ИИ перераспределяет задачи и навыки на рынке труда, — в материале «ИИ и будущее работы». Практическое проектирование повторяемых процессов разобрано в руководстве «ИИ-воркфлоу».
1. Начинайте не с нейросети, а с задачи
Самая частая ошибка в работе с ИИ — искать «лучший инструмент» до того, как сформулирована проблема. В результате команда тестирует десятки сервисов, но не понимает, что именно должно стать быстрее, дешевле или качественнее.
Полезнее описать задачу в формате:
- какой результат нужен;
- какие данные доступны;
- что считается хорошим ответом;
- где обязательна проверка человека;
- как измерить эффект.
Для рекрутера это может быть не «написать вакансию с помощью ИИ», а «сократить время подготовки пяти вариантов вакансии и проверить, что требования не отсекают подходящих кандидатов». Для HRBP — не «сделать презентацию», а «выделить из обратной связи сотрудников повторяющиеся причины текучести и подготовить вопросы для руководителей».
Такой подход делает ИИ частью процесса, а не отдельной игрушкой. Он также помогает выбрать инструмент без привязки к конкретной модели: если сервис изменится, задача и критерии качества останутся.
2. Переходите от разовых запросов к рабочим контурам
В интервью важен переход от пассивной помощи к проактивному ИИ. На практике это означает, что специалист постепенно собирает повторяемый контур: входные данные → обработка → черновой результат → проверка → действие.
Пример для HR-команды:
- агент собирает за неделю данные о вакансиях и откликах;
- группирует причины отказов и задержек;
- выделяет отклонения от обычной воронки;
- готовит краткий отчёт с источниками;
- предлагает вопросы и варианты действий;
- передаёт решение ответственному сотруднику.
OpenAI описывает рабочие агенты похожим образом: как системы для повторяемых процессов с общим контекстом, подключёнными инструментами, ролями и контролем доступа. Это подтверждает направление, о котором говорит видео, но не доказывает, что любой агент автоматически принесёт пользу.
Начинать стоит с процесса, который уже понятен команде и повторяется хотя бы несколько раз в месяц. Если нельзя объяснить процесс человеку-новичку, его рано полностью отдавать агенту.
3. Ставьте на контекст, отношения и доверие
Модели становятся доступнее, поэтому «умеет написать текст» всё слабее выглядит как конкурентное преимущество. Сложнее воспроизвести знание отрасли, понимание внутренних ограничений, доверие кандидатов и способность договориться с руководителем.
Для HR это особенно заметно. Один и тот же анализ откликов может привести к разным решениям в компании с разной культурой, структурой компенсаций и стратегией найма. ИИ способен ускорить сбор и сравнение информации, но не знает без дополнительного контекста, какой компромисс допустим именно здесь.
Отсюда практический вывод: развивайте связку «профессиональная область + ИИ». Рекрутеру полезно глубже понимать рынок конкретных ролей, нанимающему менеджеру — критерии успеха, HR-аналитику — качество данных и ограничения метрик. Инструмент усиливает эту экспертизу, но не заменяет её.
Связанный материал: как меняются требования к навыкам специалистов в эпоху ИИ.
4. Ищите преимущество на стыке функций
Одна из сильных идей интервью — рост возможностей для проектов, которые соединяют несколько областей. Когда ИИ снижает стоимость анализа, прототипирования и подготовки материалов, команде проще проверить идею, находящуюся между HR, аналитикой, продуктом и автоматизацией.
В HR такими точками могут стать:
- связка рекрутинга и аналитики воронки;
- обучение, основанное на реальных пробелах в навыках;
- база знаний для руководителей с проверяемыми ответами;
- прогнозирование нагрузки на команды с обязательной проверкой допущений;
- сервис для адаптации новичков, который знает внутренние процессы, но не принимает кадровые решения.
Это не означает, что каждому HR-специалисту нужно становиться разработчиком. Важнее уметь описать процесс, договориться о критериях качества и работать с коллегами, которые отвечают за данные, безопасность и интеграции.
5. Автоматизируйте после того, как поняли проблему
В разговоре звучит полезное правило: если действие повторили несколько раз и уже понимаете его смысл, можно искать способ автоматизации. Для HR это защита от автоматизации ради автоматизации.
Сначала выполните процесс вручную и зафиксируйте:
- где возникает задержка;
- какие данные чаще всего отсутствуют;
- какие ошибки повторяются;
- где требуется человеческое суждение;
- что должен получить следующий участник процесса.
Только после этого выбирайте уровень автоматизации. Иногда достаточно шаблона и хорошего промпта. Иногда нужен сценарий с несколькими этапами. А иногда правильное решение — не автоматизировать задачу, потому что цена ошибки выше потенциальной экономии времени.
Особенно осторожно нужно работать с резюме, оценками, результатами интервью и другой чувствительной информацией. Не загружайте такие данные в публичный сервис без разрешённого рабочего контура и понятных правил работодателя. Финальное решение о найме, продвижении или увольнении должно оставаться за ответственными людьми.
6. Измеряйте результат, а не активность модели
Количество запросов, токенов или сгенерированных текстов само по себе не показывает, стала ли работа лучше. Для HR полезнее измерять эффект на уровне процесса:
| Процесс | Что измерять | Что проверять человеком |
|---|---|---|
| Подбор | время до первого релевантного контакта, конверсию по этапам | качество рекомендаций и отсутствие дискриминационных критериев |
| Адаптация | время до самостоятельного выполнения задач, число повторных вопросов | точность ответов и соответствие внутренним правилам |
| Обучение | завершение программы, применение навыка в работе | соответствие программы реальной потребности |
| HR-аналитика | скорость подготовки отчёта, долю исправлений | корректность данных и причинно-следственных выводов |
Исследования рынка труда пока не дают оснований считать ИИ универсальной заменой людей. Международная организация труда оценивает, что примерно каждый четвёртый работник занят в профессии с некоторой степенью воздействия генеративного ИИ, но большинство рабочих мест, вероятнее, будет трансформироваться, а не исчезать полностью. Это не гарантия для отдельной профессии, а аргумент в пользу анализа задач и качества внедрения.
Для настройки системы показателей пригодится материал о том, как связать метрики с бизнес-результатом.
7. Развивайте навыки, которые не сводятся к промптам
Умение формулировать запрос важно, но оно быстро становится базовой частью цифровой грамотности. Более устойчивый набор навыков выглядит шире:
- постановка задачи и декомпозиция процесса;
- проверка фактов и качества результата;
- работа с контекстом и источниками;
- критическое мышление и принятие решений;
- эмпатия, переговоры и обратная связь;
- понимание рисков, конфиденциальности и границ автоматизации;
- способность объяснить вывод руководителю или кандидату.
Это согласуется с более широкими исследованиями рынка. В Future of Jobs Report 2025 Всемирного экономического форума ИИ и большие данные названы наиболее быстро растущей группой навыков, но рядом с ними остаются аналитическое мышление, креативность, гибкость, лидерство и управление талантами. Для HR-сферы это важный сигнал: ценность не перемещается от людей к инструментам целиком, а перераспределяется между технической грамотностью и качеством человеческих решений.
Что это значит для HR-руководителя
Из интервью и внешних данных можно вывести практический план на ближайшие четыре недели.
Неделя 1: карта задач
Соберите 10–15 повторяющихся операций команды и оцените их по частоте, времени, риску ошибки и ценности для бизнеса. Выберите одну задачу с понятным результатом.
Неделя 2: безопасный эксперимент
Опишите входы, ограничения, критерии качества и шаги проверки. Проведите несколько циклов на обезличенных данных. Зафиксируйте, где ИИ ошибается и какие инструкции помогают.
Неделя 3: измерение
Сравните процесс с базовой линией: время, качество, количество исправлений, опыт сотрудника или кандидата. Не объявляйте эксперимент успешным только потому, что результат появился быстрее.
Неделя 4: решение о масштабировании
Если эффект подтверждён, оформите владельца процесса, правила доступа, журнал изменений и порядок эскалации. Если эффект не подтверждён, сохраните выводы и выберите другую задачу.
Так HR становится не «заказчиком модного инструмента», а владельцем качественного изменения работы.
Часто задаваемые вопросы
Может ли ИИ заменить HR-специалиста?
ИИ способен взять на себя отдельные операции: подготовку черновиков, поиск и структурирование информации, первичную классификацию, составление сводок. Но решение о найме, интерпретация контекста, доверительный разговор и ответственность за последствия требуют участия человека. На практике меняется состав работы и требования к роли, а не обязательно исчезает вся профессия.
С чего начать работу с ИИ в HR?
С одной повторяемой задачи с низким риском: черновика вакансии, структурирования обезличенной обратной связи, подготовки вопросов для интервью или сводки внутренних документов. Сначала задайте критерии качества и только потом выбирайте инструмент.
Какие навыки работы с нейросетями нужны специалисту?
Базово — умение ставить задачу, давать контекст, проверять ответ и замечать ограничения модели. На следующем уровне — проектирование повторяемых сценариев, работа с данными и оценка эффекта. Для HR к этому добавляются эмпатия, этика и понимание кадрового контекста.
Можно ли загружать резюме и оценки кандидатов в нейросеть?
Только если это разрешено политиками компании и выбранным рабочим контуром. В сомнительных случаях используйте обезличенные данные, не передавайте лишнюю информацию и заранее определите, кто отвечает за проверку результата и доступ к данным.
Вывод
Главная мысль интервью с Грегом Брокманом не в том, что всем срочно нужен один и тот же ИИ-инструмент. Она в другом: когда базовые возможности становятся массовыми, преимущество перемещается к тем, кто лучше понимает задачу, располагает контекстом и умеет превратить технологию в надёжный процесс.
Для специалиста это означает развивать не только промпты, но и экспертизу. Для HR-команды — начинать с рабочих проблем, измерять результат и оставлять человеку право на финальное решение. В мире, где ИИ есть у всех, выигрывает не тот, кто просто использует нейросеть, а тот, кто с её помощью делает более важную работу — точнее, быстрее и ответственнее.
Для развития AI-грамотности сотрудников можно использовать руководство по точной постановке задач для нейросетей.
Источники
- Видео на YouTube — Marina Mogilko, «Президент OpenAI: Как вырваться вперёд, когда ИИ есть у всех», 16 октября 2026 года.
- Вторичная стенограмма и главы интервью — использована для тематической сверки; это не официальный транскрипт YouTube.
- Как ИИ меняет профессии и кому нужно учиться с ним работать — данные hh.ru о вакансиях и навыках ИИ, 25 марта 2026 года.
- Generative AI and jobs: A 2025 update — оценка воздействия генеративного ИИ на задачи и занятость, МОТ.
- The Future of Jobs Report 2025 — данные WEF о навыках и трансформации рабочих мест.
- Introducing workspace agents in ChatGPT — описание повторяемых рабочих процессов, контекста и контроля доступа.