Как меняется аналитическая работа с приходом ИИ

Как меняется аналитическая работа с приходом ИИ 🤔 Встречаю полярные мнения по двум параметрам. И однозначного ответа я тут тоже не вижу, хотя, судя по опросу , всё же стало интереснее (а вот со сложностью не очевидно). ➡️ ось X — становится ли работать легче или тяжелее ❤️‍🩹 Мне кажется, легче в основном в том случае, если ты самый прошаренный в AI-инструментах в своей окрестности. Типа, твой продакт думает, что задача написать запрос всё ещё может занимать полдня, и не знает, что Сlaude Code это делает за 2 минуты + 15 на валидацию и оформление ответа. Тогда да, работать будет легче (но звучит, как временный перекос) . Если же в компании в целом хороший AI adoption, то, думаю, количество задач адаптируется под меньшее время на рутину. Более того, если гипотезы теперь проверяются быстро, то возрастает когнитивная нагрузка по их генерации и принятию продуктовых решений. Если взять стандартный восьмичасовой рабочий день, то зачастую 5 часов мыслительной деятельности и 3 на встречи и рутину даются человеку сложнее, чем 1-2 часа активного думанья и 6 на написание запросов 🌟 С другой стороны, кому-то сложнее даются код и другие хардовые вещи, а гипотезы — встречи — коммуникации приятнее. Тогда ИИ тоже делает жизнь чуть проще. Те, кто так голосовали в опросе, подскажите, пожалуйста, я угадала? К счастью, до этого наблюдения дошла уже не только я, поэтому шансы на адекватное отношение работодателей и учёт человеческих способностей всё-таки тоже остаются (например, источник , упоминающий выгорание от возросшего темпа) 👀 ➡️ ось Y — становится ли интереснее или наоборот 😎 Недавно читала тред девушки (правда, она тестировщик, а не аналитик) , что ей не нравится быть прослойкой между задачей и Claude Code, просто передавая, какая ошибка нашлась в очередной итерации, и обратно аутпут от нейронки. Наверное, в таком формате работать и правда не очень интересно, хотя признаю, что у меня есть задачи такого рода (например, когда я доводила аналитический скрипт до задеплоенного приложения) . Я думаю, что здесь у аналитиков есть преимущество , так как техническая работа всё же не является основной нашей целью, а служит средством для валидации продуктовых решений. Поэтому вайбкодинг позволяет быстрее справляться с этой частью, а также гибче подходить в некоторых моментах (например, я кайфую от html-отчётов от Клода по разным данным, которые я бы где-то неделю накликивала в стандартной BI-системе) . В итоге остаётся время на ресёрчи. Опрос это в целом подтверждает — большинству стало интереснее. ➡️ ещё одна тенденция в компаниях с высоким AI adoption 📈 Это, конечно же, смещение и смешение ролей . Тут я вижу одновременно минусы и плюсы — с одной стороны, продакт с MCP иной раз посчитает что-то небольшое и срочное сам, и не будет дёргать аналитика, у которого уже запланированы задачи. С другой стороны, нюансов много, и хочется, чтобы время разработчиков не уходило на ревью навайбкоженного остальными без понимания базы. Поэтому я отношусь немного настороженно к точке зрения, что теперь каждый может и должен вайбкодить, лучше воспользоваться освободившимися человекочасами технарей, собраться вместе обсудить ТЗ и сделать сразу классно то, что не придётся потом переписывать. ➡️ общий вывод — нам всё ещё платят за результат 🤵 В итоге, ИИ не столько упрощает аналитическую работу, сколько меняет, за что именно аналитикам хотят платить: всё меньше за производство запросов и отчётов, всё больше — за правильные вопросы, проверку логики и принятие реальных решений. А каждому из нас сейчас максимально важно не удариться ни в одну из крайностей — не слишком тревожиться, что айтишников заменили, и дни наши в профессии сочтены, но при этом не слишком расслабиться, если нагрузки пока что стало меньше 👍 ➡️ Что думаете, замечали что-нибудь из этого на работе? #развитие_ии @analytess 👩