🚀 Как ИИ уже меняет работу людей?

Часто говорят, что ИИ заменит людей, но реальность сложнее. Новое исследование показывает: ИИ дополняет работу специалистов, а не вытесняет их.

🔍 Как изучали влияние ИИ?
Исследователи проанализировали 4 миллиона взаимодействий с Claude.ai и сравнили их с профессиями и навыками из базы O*NET – крупнейшей системы классификации труда в США. Это позволило увидеть, в каких сферах ИИ уже стал инструментом повседневной работы.

💡 Где ИИ используют больше всего?
ИИ стал незаменим в:
✅ Программировании и аналитике – разработчики исправляют баги, оптимизируют код, анализируют данные.
✅ Работе с текстами – журналисты, копирайтеры, маркетологи пишут, редактируют и анализируют контент.
✅ Бизнесе – автоматизация отчетов, анализ рынка, деловая переписка.

❌ А вот в физическом труде и медицине его почти нет – пока что сложные мануальные и социальные навыки остаются за человеком.

🧠 ИИ как дополненный интеллект, а не замена
Дополненный интеллект (Augmented Intelligence) – это концепция, в которой ИИ не заменяет человека, а усиливает его возможности. Вместо того чтобы полностью автоматизировать задачи, ИИ помогает людям быстрее принимать решения, работать продуктивнее и повышать качество результата.

🔹 В 57% случаев ИИ используется как помощник: уточняет, дорабатывает и проверяет идеи.
🔹 Только в 43% случаев выполняет задачи сам, без участия человека.

📊 Какие навыки чаще всего задействованы?
ИИ лучше всего справляется с:
✍️ Критическим мышлением, письмом, чтением, программированием.
🔧 Ремонт оборудования, переговоры, физический труд – вне его зоны комфорта.

💰 Кто чаще использует ИИ?
Чаще всего – специалисты с доходами выше среднего: программисты, аналитики, маркетологи.
А вот врачи и юристы – реже, вероятно, из-за строгих регуляций.

🎯 Что дальше?
ИИ уже стал рабочим инструментом, особенно в анализе, текстах и коде. Вопрос не в том, заменит ли он людей, а в том, кто научится эффективно с ним работать.

📖 Исследование: https://assets.anthropic.com/m/2e23255f1e84ca97/original/Economic_Tasks_AI_Paper.pdf

#ИИ #AI #ДополненныйИнтеллект #БудущееРаботы #Автоматизация #HR #Технологии

👨🏻‍🎓 Психометрика в EdTech

У Димы Аббакумова вышла книжка Психометрика в EdTech: первые шаги.

Книга посвящена психометрике, науке об измерениях в образовании, и тому, как ее можно применить в быстро развивающейся области образовательных технологий (EdTech). В ней рассматривается отсутствие внимания к измерению самого обучения, несмотря на обилие бизнес-метрик. Книга призвана помочь читателям понять, как сделать обучение видимым, измеримым и управляемым. Она включает реальные наборы данных от Яндекс Практикума, фрагменты кода и упражнения.

Настоятельно рекомендую!

📖 Посмотреть содержание книги
📘 Бесплатная 4 глава книги

#R #психометрика #EdTech #измерения #образование

❤️ Генеративный язык LoveScript для создания валентинок от Яндекса

Яндекс сделал свой генеративный язык LoveScript, который позволяет рисовать валентинки. Это гениально! Язык программирования для выражения тёплых и романтических чувств. В его основе лежит метафора любви как алгоритма: отношения — это процессы, эмоции — переменные, а признания — выводимые строки. LoveScript создан, чтобы превращать логику в романтику, а код — в признания.

Я попробовал создать валентинку кодом.

#LoveScript #валентинка

📊 Seeing Theory: статистика в визуалах

Сайт Seeing Theory от Университета Брауна превращает сложные концепции статистики и теории вероятностей в интерактивные визуализации. Идеально для тех, кто учит или учится!

Что внутри:
➖ 5 разделов (от основ теории вероятностей до регрессионного анализа) с симуляциями.
➖ Примеры: меняйте параметры распределений, стройте графики в реальном времени, наблюдайте за центральной предельной теоремой «в движении».
➖ Подходит для студентов, преподавателей и новичков — формулы становятся интуитивными.

Плюсы:
✅ Упрощает абстрактные теории через игровой формат.
✅ Лауреат премий Webby Award и Information is Beautiful Awards.

Минусы:
➖ Лучше работает на ПК, чем на смартфонах.
➖ Нужна базовая подготовка: детальных объяснений мало.

Зачем? Чтобы «пощупать» статистику руками: подбрасывайте монеты, стройте тренды и смотрите, как теория оживает на экране.

🔗 Ссылка: https://seeing-theory.brown.edu

#Статистика #Визуализация #ТеорияВероятностей #EdTech 🎲

🤖 Генеративный ИИ на рабочем месте: влияние на продуктивность и обучение сотрудников

Недавнее исследование Erik Brynjolfsson, Danielle Li, Lindsey Raymond анализирует влияние генеративного ИИ на работу 5172 операторов службы поддержки клиентов. Исследователи изучили развертывание LLM-ассистента на базе GPT-3 и пришли к важным выводам о том, как ИИ изменяет производительность и опыт сотрудников.

Доступ к ИИ увеличил производительность операторов на 15% – измеряемую количеством успешно решённых запросов в час. При этом менее опытные сотрудники получили наибольшую выгоду, демонстрируя прирост до 30% и сокращая временной разрыв с более опытными коллегами (новички с двухмесячным стажем стали работать на уровне сотрудников с шестимесячным стажем).

Дополнительно наблюдалось сокращение среднего времени обработки чатов – с 43 до 35 минут, что свидетельствует об эффективном ускорении работы. Количество чатов, обрабатываемых в час, также возросло, а разрешение проблем улучшилось на 1,3 процентных пункта от базового уровня в 82%. Несмотря на эти улучшения, удовлетворённость клиентов, измеряемая по NPS (среднее значение около 80%), не претерпела значимых изменений. При этом исследование показывает, что ИИ-ассистент способствует снижению текучести кадров, преимущественно за счёт удержания новичков, а также улучшает взаимодействие с клиентами – они стали вести себя вежливее и реже запрашивать разговор с менеджером.

Результаты относятся к конкретному AI-инструменту, применяемому в рамках одной конкретной организации и для одной конкретной должностной позиции, что затрудняет обобщение на другие отрасли или быстро меняющиеся условия.

🔗 Исследование: Erik Brynjolfsson, Danielle Li, Lindsey Raymond, Generative AI at Work, The Quarterly Journal of Economics, 2025;, qjae044, https://doi.org/10.1093/qje/qjae044

#AI #ИИ #LLM #будущееЗдесь #БудущееРаботы

🚨 Хьюстон, у нас проблема! Как кандидаты с GenAI могут стать непропорционально большой долей нанимаемых

В современном найме кандидаты всё чаще используют генеративный ИИ (GenAI) для улучшения своих результатов на тестах и видеоинтервью, что, как показывает статья Алана Борна, может привести к тому, что даже 15% кандидатов, применяющих GenAI и получающих прирост в 15% баллов, составят более 30% нанимаемых, особенно в массовом отборе 😱.

📊 Исследования подтверждают: до 28% кандидатов уже использовали ИИ, а 15% делают это регулярно. Это преимущество позволяет ИИ-кандидатам сосредотачиваться в верхней части рейтинга, вытесняя других, создавая угрозу честности и эффективности найма, поскольку их успех не отражает реальных навыков, а лишь следствие технологического усиления.

🔧 Я разработал интерактивное shiny-приложение, моделирующее этот эффект. Оно позволяет пользователям настраивать параметры: общее число кандидатов, долю кандидатов с ИИ (по умолчанию 15%), сдвиг (преимущество) среднего балла для кандидатов с ИИ (по умолчанию 0.5 SD, эквивалентно 5 баллам при σ = 10) и процентиль отбора (по умолчанию 90%). Баллы кандидатов моделируются как нормальное распределение с μ = 50 и σ = 10. Приложение визуализирует распределение баллов кандидатов и выводит численные результаты, показывая, как ИИ-кандидаты увеличивают свою долю среди отобранных (до 20–30%), иллюстрируя риски, описанные в статье Борна.

#AI #LLM #AIinHiring #GenAI #Recruitment #shiny #R #IOPsych

#пятничное Источник

🤖📊 Анализ тональности с помощью OpenRouter и пакета tidyprompt в R

Пакет tidyprompt в R упрощает создание промптов и взаимодействие с большими языковыми моделями (LLM). Его можно сравнить с удобством и простотой создания графиков в ggplot2, но для работы с промптами: он вводит "обертки промптов" -- модули, превращающие простые запросы в сложные. Эти обертки не только изменяют текст, но и добавляют функции извлечения и валидации ответов LLM, а также могут отправлять обратную связь модели. С tidyprompt вы можете:
- получать структурированные ответы в нужном формате,
- автоматически отправлять обратную связь LLM для исправления ошибок,
- задавать режимы рассуждений (например, цепочка мыслей или ReAct),
- позволять LLM вызывать функции R или генерировать и выполнять R-код для получения данных или действий.

Оцените краткость кода и удобство работы с LLM. В качестве дополнения к посту:

# install.packages("tidyprompt")
library(tidyprompt)
library(purrr)
library(ggplot2)

# Настройка OpenRouter как LLM провайдера
openrouter <- llm_provider_openrouter(
  parameters = list(
    model = "google/gemini-2.0-flash-lite-preview-02-05:free",  
    stream = FALSE                         
  ),
  verbose = TRUE,                          
  api_key = Sys.getenv("OPENROUTER_API_KEY") 
)

# Создание данных с отзывами сотрудников
reviews_df <- data.frame(
  sentence = c(
    'Работа — как полет на драконе, захватывает дух!',
    'Офис словно темница, где время ползет черепахой.',
    'Коллектив — это банда супергероев, спасающих мой день!',
    'Начальство — как злой волшебник, гасит все идеи.',
    'Начальство — тиран, выжимает все соки.',
    'Техника тут — мечта гиков, хочется обнять сервер!',
    'Рабочий график — это хаос в стиле цирка шапито.',
    'График — как карусель, голова кружится.',
    'Коллектив — как старый свитер, уютно, но не идеал.',
    'Кофе в комнате отдыха спасает, как оазис в пустыне.',
    'Зарплата приходит, как редкий гость, и быстро уходит.',
    'Задачи сыплются, будто камни с горы, без передышки.',
    'Атмосфера тут — как в фильме ужасов, только без попкорна.'
  )
)

# Анализ тональности с помощью gemini-2.0-flash-lite через провайдера OpenRouter
reviews_df$sentiment_score <- map_int(
  reviews_df$sentence,
  function(sentence) {
    paste0(
      'Пожалуйста, оцените по шкале тональность отзыва сотрудника:\n',
      sentence
    ) |>
      answer_as_integer(min = 1, max = 100) |>
      send_prompt(openrouter)
  }
)

ggplot(reviews_df, aes(x = sentiment_score, y = reorder(sentence, sentiment_score))) +
  geom_col(aes(fill = sentiment_score)) +
  scale_fill_viridis_c(option = "plasma", direction = -1) +
  theme_light() + 
  labs(
    noscript = 'Оценки тональности отзывов сотрудников',
    x = 'Оценка тональности',
    y = 'Отзыв'
  )

#R #ggplot2 #LLM #AIinHR #sentiment_analysis #AI

🔢 Числовые тесты всё ещё актуальны в эпоху генеративного ИИ?

Генеративный ИИ стремительно осваивает числовые задачи (задачи на понимание чисел, вычисления и формирование выводов) — новые модели, вроде o1 от OpenAI, достигли 95-го процентиля в тестах на числовые способности, тогда как у GPT-4 был ниже 20-го. Тесты вербальных способностей уже давно под угрозой. Исследование Louis Hickman (2025) показывает: около трети кандидатов используют ИИ для прохождения тестов без прокторинга, что ставит под сомнение их валидность. Что делать?

Решения:
➖ Прокторинг (дорого, но надёжно),
➖ Строгие лимиты времени (спорно, ИИ становится быстрее),
➖ Детекторы ИИ (пока ненадёжны),
➖ Переход к рабочим примерам вместо абстрактных тестов,
➖ Разработка тестов, в которых разрешается использование ИИ.

Вывод: Традиционные тесты устаревают. Необходимо переосмыслить подходы к оценке, особенно для профессий, где ИИ станет частью работы.

👉 Подробности: Hickman, 2025

#iopsych #оценка #психометрика #тесты #ИИ #AI #LLM

Каким должен быть современный опросник «360 градусов»?

Короткий ответ – он должен быть разным, в зависимости от задач, для которых проводится проект оценки.

Можно использовать «классическую» форму опросника, а можно... какую? Разве есть другие формы?

Да! И средние баллы уже давно не обязательно считать! Все отчасти привыкли к одной форме опросника – «классической» со всеми ее недостаткам – ну, конечно, в крупных компаниях ее уже почти 80 лет проводят, может пора обновить идею?

Мы с коллегами сделали «демку» – демо-проект с опросниками разного вида. Меня лично всегда волновало многообразие способов сконструировать социометрический опросник. И в этой демке мы просто разошлись!

Посмотрите, коллеги! На самом деле, это серия интерактивных статей про технологию перекрестной оценки. И про решение задач с помощью такой оценки.

https://azimuth.team/go/360variety

Можно сохранить ссылку (я не буду ее менять), и, когда понадобится – будет из чего выбрать. Ну и буду благодарен за обратную связь – это была большая работа!

📊🤖 Анализ профилей MMPI образа Мэрилин Монро на основе больших языковых моделей и системы ТЕЗАЛ

В этом кратком сообщении я анализирую профили MMPI–I, созданные различными большими языковыми моделями (БЯМ), для Мэрилин Монро, с целью сравнения их с профилем системы ТЕЗАЛ (ТЕЗаурус Автоматизированный Личностный). В своем мини-исследовании опираюсь на статью А. Г. Шмелёва «Патохарактерологический профиль „Мэрилин Монро“ в системах DeepSeek и ТЕЗАЛ».

Целью было определить, какая большая языковая модель наиболее близко соответствует профилю ТЕЗАЛ (может сгенерировать похожий профиль на основе личностных черт в сравнении со специализированной экспертной системой), используя коэффициент McCrae’s rpa и корреляцию Пирсона.

#ТЕЗАЛ #LLM #AI #психометрика #психодиагностика #профили #MMPI #R

🛠🤖 Инструменты для работы с LLM в R

Экосистема пакетов для работы с LLM растет. Вот хороший ресурс про R-пакеты для работы с LLM, дополнительные расширения для IDE, список обучающих материалов по использованию LLM-инструментов.

#R #полезное #LLM #БЯМ