По мнению эксперта по ИИ из ОАЭ, сопротивление сотрудников или задержки во внедрении искусственного интеллекта (ИИ) создают растущий разрыв на рабочем месте в Объединенных Арабских Эмиратах. Он подчеркнул, что данная технология перестала быть предметом роскоши и стала необходимым условием для сохранения карьеры.
Абдулазиз Аль Шамси, исследователь с ученой степенью PhD в области ИИ в Манчестерском университете и соучредитель компании AI Diverge, базирующейся в Абу-Даби, отметил появление «растущего и ощутимого разрыва» между работниками, эффективно использующими инструменты ИИ, и теми, кто остается от них отрезанным.
Аль Шамси заявил изданию Khaleej Times, что поскольку страна развивается с такой скоростью, знание основ искусственного интеллекта становится незаменимым навыком для любого сотрудника, независимо от его специализации. Он сравнил это с компьютерной грамотностью два десятилетия назад, отметив, что сегодня это не дополнительное преимущество, а часть требований к работе.
Это предупреждение прозвучало на фоне ускорения стремления ОАЭ стать первой в мире страной, которая будет использовать автономные системы в крупном масштабе. В апреле 2026 года Шейх Мохаммед бин Рашид Аль Мактум, вице-президент и премьер-министр ОАЭ и правитель Дубая, объявил о национальном плане, предусматривающем переход 50 процентов федеральных государственных секторов, услуг и операций на системы Agentic AI в течение двух лет.
Для поддержки этого перехода ОАЭ запустили крупнейшую в истории обучающую программу, цель которой — повысить квалификацию 80 000 государственных служащих, от министров до старших чиновников, в области инструментов Agentic AI.
Аль Шамси, чья компания занимается разработкой и созданием систем Agentic AI, способных планировать, принимать решения и выполнять задачи полуавтономно для государственных и частных структур, объяснил, что ИИ является «междисциплинарным инструментом», применимым практически во всех областях. Однако непосредственное влияние зависит от профессии:
Офисные и работники знаний: Для таких ролей, как написание текстов, анализ, обслуживание клиентов, управление персоналом и маркетинг, преимущества являются «прямыми и быстро заметными».
Технические и исследовательские роли: ИИ трансформировался из простого вспомогательного инструмента в неотъемлемую часть основной рабочей системы.
Полевые и физические работы: Хотя ежедневное использование пока ниже, влияние стабильно растет параллельно с прогрессом в робототехнике и автоматизации.
Он добавил, что ни одна область не является полностью невосприимчивой к влиянию этой технологии, но скорость и глубина воздействия различаются в зависимости от характера работы.
Отвечая на опасения по поводу потери рабочих мест, Аль Шамси уточнил, что ИИ создан для усиления человеческих возможностей, а не для их замещения. Он перечислил несколько практических примеров, которые могут мгновенно повысить продуктивность сотрудников:
Резюмирование и анализ объемных документов и отчетов за минуты вместо часов.
Составление официальной переписки, презентаций и первоначальных планов контента.
Автоматизация рутинных, повторяющихся задач, таких как организация данных и ответы на частые запросы.
Поддержка принятия решений путем анализа огромных массивов данных и извлечения закономерностей.
Мозговой штурм и первичное планирование проектов, где ИИ выступает в роли «мыслящего партнера».
По его словам, основная идея заключается в том, что ИИ в основном не заменяет сотрудника; скорее, он экономит время, затраченное на подготовительные задачи, позволяя человеку сосредоточиться на том, что требует человеческого суждения и опыта.
Несмотря на очевидные преимущества, Аль Шамси призвал сотрудников проявлять осмотрительность при интеграции ИИ в повседневные рабочие процессы. Он выделил четыре критические области беспокойства:
Конфиденциальность данных: Сотрудники должны проверять, где хранятся введенные данные, особенно чувствительная рабочая информация, чтобы предотвратить случайную утечку корпоративных или государственных данных.
Человеческий надзор: Инструменты ИИ могут генерировать неточные сведения с высокой степенью уверенности. Человеческая проверка остается жизненно важной, особенно при принятии критических решений или публикации официальных данных.
Внутренние политики: Сотрудники обязаны соблюдать конкретные руководящие принципы своей организации относительно разрешенных внешних инструментов ИИ.
Чрезмерная зависимость: ИИ должен оставаться помощником, а не полной заменой критическому мышлению, чтобы избежать постепенного ослабления аналитических и оценочных навыков сотрудника.
Тем, кто чувствует себя подавленным быстрым темпом технологических изменений, Аль Шамси дал ободряющий совет начать с малого. Его главный совет — получить прямой практический опыт, поскольку эта область усваивается больше через практику, чем только через теоретическое чтение. Он поощряет понимание того, «когда» и «когда не» следует использовать эти инструменты в рабочей обстановке, а не только техническое «как» их применять.
Он предложил ежедневно решать небольшие, конкретные задачи, вместо того чтобы пытаться изучить все сразу. Аль Шамси отметил, что кривая обучения в этой сфере все еще достаточно гибкая для тех, кто начнет сейчас с серьезностью и приверженностью. Реальная разница заключается не в том, «когда вы начали», а в том, «начали ли вы на самом деле и продолжали ли вы».
Отправляя резюме и адаптируя документы для разных возможностей, кандидаты могут заметить, что получаемые ответы часто схожи. Исследование, проведенное Стэнфордским университетом, предполагает, что это сходство может быть не совпадением.
Исследователи проанализировали миллионы заявок и пришли к выводу, что различные компании могут использовать системы искусственного интеллекта, которые воспроизводят одни и те же критерии принятия и отбраковки. Исследование под названием «Алгоритмические монокультуры в найме» изучило около 4 миллионов заявок, поданных более чем 3,4 миллионами человек в 156 компаний из 11 секторов экономики.
Ключевым выявленным фактором было то, что все эти организации использовали алгоритмы, предоставленные одним и тем же поставщиком. Эта деталь позволила выявить явление, называемое «алгоритмической монокультурой», термин, заимствованный из сельского хозяйства, где обширные территории посвящены одному типу посевов. Когда многие компании принимают аналогичные инструменты, возрастает вероятность того, что они будут оценивать соискателей, по сути, по одной и той же логике, что относится как к успехам, так и к недостаткам, присущим моделям.
Другое важное открытие касается схожих профилей кандидатов. Согласно исследованию, люди с аналогичными характеристиками, как правило, получают последовательную оценку, даже претендуя на вакансии в разных корпорациях. Основные результаты показывают, что примерно 10% кандидатов, участвующих в четырех отборах, отклоняются во всех них. Кроме того, около 4% тех, кто подает заявки на десять вакансий, сталкиваются с десятью последовательными отказами.
Отказы происходят чаще, чем ожидалось при независимом принятии решений. Примечательно, что многие резюме отсеиваются еще до того, как их рассмотрит человек-рекрутер. Чтобы подтвердить, был ли это поведение случайным, исследователи сравнили данные с теоретической базой и предыдущими исследованиями о найме без алгоритмической централизации, показав, что последовательные отказы отражают общий паттерн между различными процессами отбора.
Согласно проведенным симуляциям, продолжение отправки резюме все еще выгодно. Исследование показывает, что увеличение объема заявок повышает шансы получить возможность, хотя эта выгода снижается, когда компании используют идентичные системы. В сценарии, где решения автономны, около десяти заявок будет достаточно для достижения высокой вероятности получения хотя бы одной положительной рекомендации. Однако, когда процессы опосредованы централизованными платформами, это число возрастает примерно до 25 заявок, чтобы гарантировать вероятность в 99,9%.
Авторы также предупреждают о концентрации рынка технологий, ориентированного на подбор персонала. Поскольку немногие поставщики обслуживают множество компаний, любые существующие предубеждения или ограничения могут быстро распространиться. Более того, низкая прозрачность этих платформ затрудняет проведение независимых исследований и усложняет понимание того, как такие инструменты влияют на доступ к работе, при этом для многих кандидатов весь этот процесс происходит без ведома того, что алгоритм провел первый анализ резюме.
