Octopus-shape: мета-навыки,
которые нужны бизнесу

Спрос на Octopus-shape специалистов растет по двум причинам.

Первая из них связана с охлаждением экономики. За последние 5 лет ключевая ставка выросла с 4,5% до 15,5%, деньги и инвестиции стали дорогими. Страховые взносы на сотрудников для ИТ-компаний увеличились с 7,6% до 15%. Общее количество вакансий для разработчиков сократилось на 20%, а активных резюме стало вдвое больше. У работодателей появилась возможность нанимать медленнее, и не инвестировать в специалистов с низкой окупаемостью.

Второй причиной стало развитие генеративного ИИ. Он уже забирает на себя низкоуровневые задачи: от несложного кода до подготовки текстов и данных. В результате меняется и ценность людей на рынке труда, а количество вакансий для джунов сокращается на 9% за 1,5 года.

К мета-навыкам относятся ответственность, экономическое мышление, коммуникативные скилы, умение достигать результата и эффективно работать с новыми технлогиями. Эти качества позволяют сохранять актуальность и устойчивость в карьере даже в эпоху ИИ.

Ключевым барьером для масштабирования становятся не инфраструктура, не регулирование и не дефицит талантов. Барьер — обучение систем. Большинство из них не сохраняют обратную связь, не адаптируются к контексту и не улучшаются со временем. Зато это может делать человек, который внедряет ИИ в конкретные процессы. И его нельзя заменить нейросетью.

Наибольшего успеха добиваются те, кто создает «неуниверсальные» решения. Изучают контекст, анализируют бизнес-процессы, внедряют точечные решения, изучают результаты и, в случае успеха, масштабируют его на другие сферы бизнеса. Они не просто спрашивают GPT или Claude, а держат в уме конечный результат.

Разница между специалистом, который игнорирует автоматизацию, и тем, кто системно внедряет ее в свою работу, постепенно отражается в производительности, грейде, и, соответственно, доходе.

В 2022 году шведский платежный гигант Klarna сократил 700 сотрудников поддержки и заменил их на чат-ботов. Затраты снизились, но вместе с ним резко упала удовлетворенность клиентов. Людей, хоть и не в полном объеме, пришлось возвращать в офис.

Руководство сэкономило деньги, но удар по бренду оказался колоссальным. Несколько вопросов о том, как решение скажется на компании, помогли бы избежать ущерба репутации и тысяч новостей о провальном решении.

В реальной работе почти никогда нет полной информации.
Требования меняются, сроки сдвигаются, метрики ведут себя странно.
Поэтому ценятся люди, которые не ждут идеального ТЗ и умеют принимать решения в неопределенности.

Технические решения оцениваются не только по качеству кода, но и по соотношению вложенных ресурсов и выручки. Можно реализовать сложную архитектуру за три месяца, а можно упростить подход и сократить сроки вдвое, сохранив приемлемый результат.

Специалист, который понимает сколько будет стоить работа команды, как сроки повлияют на прибыль и убытки (P&L) всегда будет полезен бизнесу. Такой человек может увидеть, как задержка релиза бьет по выручке, а поспешный запуск — по репутации. И найдет оптимальное решение.

Чем дороже становятся проекты и команды, тем реже нужны исполнители. Закрытый тикет или выполненное ТЗ сами по себе не создают ценности. Компании платят за то, что продукт начинает работать быстрее, пользователи реже сталкиваются с ошибками, а бизнес-метрики растут.

Ответственность означает гораздо больше, чем просто «сделать свою часть». Это способность держать в голове конечную цель проекта и понимать, как конкретное решение влияет на продукт, пользователей и экономику. Иногда это значит задать неудобный вопрос, пересмотреть изначальное решение или предложить более простой путь, если он быстрее приведет к нужному эффекту.

Еще недавно стандартным способом решить проблему было нанять еще одного человека. Но в условиях жесткой конкуренции компании осторожнее расширяют штат. Востребованность специалистов, которые могут закрыть часть задач сами, не дожидаясь новой вакансии, постоянно растет.

Речь не о том, чтобы стать «посредственным профи 8 в 1», а о способности дотянуть процесс до результата. Разобраться в метриках, помочь с операционными задачами, настроить базовую аналитику, довести релиз до пользователя, сделать часть задач через ИИ.