Как выглядит рескиллинг на уровне рабочих профессий, мы уже тысячу раз писали. А вот про то, как выглядит рескиллинг в рамках профессий «белых воротничков» в долгосрочной перспективе – а заодно и с какими задачами, чтобы не скахать вызовами, придется столкнуться крупным корпорациям и государству в течение ближайших десяти лет, можно посмотреть на примере блога товарища Андрея Себранта из Яндекса, который сам себя называет «оголтелым техноопимистом».

Себрант приводит кейс о том, что книжку с подходящим названием «Будущее без работы» перевел Яндекс.Переводчик. Кейс снабжен ссылкой на пост издателя в фейсбуке. В который немедленно понабежали «защитники белковой посредственности» - так наш оголтелый технооптимист описывает людей, которые смеют обсуждать, что все мягко говоря, не совсем так, объем редактуры сложных текстов, переведенных ИИ, подчас таков, что лучше перевести все заново человеком, и на самом деле значительно больший эффект повышения качества и снижения стоимости нон-фикшн текстов пока достигается использованием инструментов Computer Assisted Translation (CAT), представляющих собой базу данных уже переведенных предложений.

Наши источники гоаорят, что на данный момент хорошо автоматизированные переводческие агентства не только не сокращают штат, но и нанимают людей. Но кое в чем Себрант абсолютно прав. Как раз благодаря текущему распространению CAT-инструментов, количество доступного ИИ структурированного материала для обучения скоро так возрастет, что через десять лет 99% текстов будет переводиться ИИ с приемлемым для 99% людей качеством. И основной капитал переводческих агентств будет заключаться в хорошо обученных моделях в специфических областях человеческой деятельности.

Что же в этом смысле делать школьникам, которые сейчас идут на переводческие факультеты, спрашивает Себрант? А мы добавим такой вопрос: что делать вузам и государству уже сейчас, чтобы эти самые школьники не лишились шансов обеспечивать себя непосредственно на выходе из ВУЗа? А на что ориентироваться родителям?

Видимо, останется сравнительно небольшое количество людей, которые будут заниматься тем, что с использованием CAT-инструментов будут переводить сверхсложные и специфичные тексты, недоступные машинному обучению с первого раза, чтобы машина могла на них доучиваться. Но это все неинтересная часть, хотя эти люди будут неплохо оплачены – примерно как сегодняшние топовые тепереводчики.

Интересная часть – это создавать эти самые модели. Причем не только такие, которые будут заниматься переводом – это даже по нынешним временам довольно тривиальная задачка и по большому счету вопрос количества материала для обучения модели. А такие, например, которые будут писать продающие тексты для определенного людей с определенными чертами личности (уничтожая при этом работу для копирайтеров, да). А перед этим предварительно распознавая наиболее прибыльный сегмент покупателей по лексике, используемой ими в соцсетях.

Или такие, которые смогут создавать голосовые диалоговые интерфейсы, неотличимые от людей не только в ситуациях «вы Иван Иванович Петров? Скажите ДА или НЕТ», но и в ситуациях, например, относительно простого психологического – и да, карьерного – консультирования (привет, дорогие коллеги, в вашей профессии «белковая посредственность», объем которой сейчас активно растет, тоже рано или поздно уйдет с рынка).

Это все вполне себе задачки для лингвиста как части команды разработки продукта (причем не через десять лет, а уже в самом ближайшем будущем), как бы странно это на первый взгляд не звучало. И начинаются они с освоения перевода, точно так же как сопромат вырастает из освоения арифметики. И мы бы строили среднесрочную кадровую и образовательную политику, основываясь на попытке структурировать вот такие истории – а имя им легион. Думает ли государство и вузы так же – не знаем.