Як AI змінює структуру персоналу: нова роль AI generalist за версією PwC

PwC в AI Predictions описує важливий зсув: штучний інтелект не просто автоматизує задачі. Він змінює сам “скелет” робочої сили. У центрі змін з’являється нова фігура – AI generalist.

1. Кінець ери гіперспеціалізації

Штучний інтелект може завершити тренд, який тривав більшу частину індустріальної ери. Цей тренд – постійне посилення вузької спеціалізації ролей.

Що змінюється:

 • AI агенти вже вміють виконувати багато вузьких спеціалізованих задач.

 • Саме ці задачі раніше займали значну частину часу досвідчених фахівців середнього рівня (midlevel).

 • На цьому фоні формується новий запит: “AI generalist” – фахівець широкого профілю, який достатньо добре розуміє різні задачі, щоб керувати агентами і пов’язувати їхню роботу з цілями бізнесу.

Працювати тільки з моделлю “глибока експертиза в одній вузькій темі” вже недостатньо. З’являється другий тип профілю - широкі, системні ролі, заточені під роботу з агентами.

2. Як змінюються ролі: приклади IT і фінансів

IT: від вузького кодування до системного мислення

У IT чіткий перехід:

 • Раніше компаніям були потрібні кодери, які спеціалізуються на окремих мовах програмування.

 • Далі важливішими стають інженери, які:

 • розуміють архітектуру системи

 • бачать продукт цілісно

 • вміють керувати і контролювати AI агентів, які вже “знають” конкретні мови програмування.

Тобто агенти виконують значну частину технічної роботи, а люди беруть на себе дизайн, інтеграцію і нагляд.

Фінанси: з операцій до створення цінності

У фінансових функціях розводять операції і роботу, що створює бізнес-результат.

Що роблять агенти:

 • обробка інвойсів

 • звірка замовлень і платежів (purchase order matching)

 • фінансові звірки (reconciliation)

 • виявлення аномалій (anomaly detection)

Що роблять люди з “general finance skills”:

 • фокусуються на зростанні доходу

 • працюють над розширенням маржі

 • ведуть переговори з постачальниками щодо платіжних умов

 • спільно з продажами будують динамічні моделі ціноутворення

 • проводять сценарне планування: як зміниться бізнес в різних сценаріях.

Фактично агенти “знімають” рутину, а люди зміщуються в зону стратегії, переговорів, управління прибутковістю і роботи з майбутніми сценаріями.

3. Попит на AI generalists: що відбувається з junior, mid, senior

У різних функціях зростає попит на generalists, які:

 • достатньо добре розуміють широкий набір задач

 • можуть наглядати за роботою агентів

 • вирівнюють дії агентів з цілями бізнесу, а не тільки з локальними метриками процесу.

Далі автори розкладають це по рівнях:

Інтелектуальна офісна робота (knowledge work)

 • Значну частину ролей AI generalist можуть займати фахівці початкового рівня (entry-level).

 • Молодші фахівці часто природно “AI savvy” і охоче працюють з новими інструментами.

Середній рівень (midlevel)

 • Коли агенти, які можна купити або орендувати, виконують все більшу частину роботи, властивої midlevel, потреба в цьому рівні може зменшуватись.

 • Типові “середні” задачі частково переміщуються до агентів.

Старший рівень (senior professionals)

 • Коли середній рівень частково автоматизований, диференціація між компаніями зміщується до старших професіоналів.

 • Виграють ті, у кого сильні фахівці в стратегії та інноваціях.

Треба дивитись на те, як змінюється баланс між entry, mid і senior під впливом агентів.

4. Дві форми структури персоналу: “пісочний годинник” і “діамант”

4.1. Knowledge workforce: модель “пісочний годинник”

Для інтелектуальної офісної роботи (knowledge workforce) автори використовують образ “hourglass”.

Структура виглядає так: Entry-level • фахівці початкового рівня, які активно працюють з AI • взаємодіють з агентами у щоденних задачах Senior professionals: • відповідають за стратегію • приймають ключові рішення • ведуть інновації Mid-tier: • частина характерних для середнього рівня задач віддана агентам • агенти стають “купованим” або “орендованим” ресурсом, який закриває значний блок роботи.

Візуально: широкий “низ” (entry), вузька “середина” (mid), широкий “верх” (senior).

4.2. Front-line task work: модель “діамант”

Для front-line employee-based task work формується інша структура - “diamond”.

 • На entry-level агенти можуть замінити частину працівників, якщо задачі стандартизовані.

 • Зростає потреба в людях середнього рівня, які:

 • організовують роботу агентів

 • контролюють якість

 • втручаються у нестандартних кейсах і винятках.

Візуально: менше людей “на вході”, більший “середній” шар, де люди керують системою і взаємодією з агентами.

Vоделі чисельності і структури FTE будуть різними для knowledge work і front-line роботи. З’являються різні “опорні точки” для планування: або entry + senior, або посилена “середина”.

5. Що робити компаніям: три кроки від PwC

5.1. Look for all-around athletes

Фокус на підборі:

 • Оновити підхід до рекрутингу і розвитку.

 • Шукати “all-around athletes” - людей, які:

 • мають широкий набір навичок, а не одну вузьку експертизу

 • є “AI-forward” - готові працювати з агентами як з частиною робочого процесу

 • можуть виконувати роль generalists і agent orchestrators.

В профілі посади з’являються інші маркери: не тільки “знає X”, а й “вміє керувати системами, де X частково робить агент”.

5.2. Start on workforce redesign

PwC говорить про переробку дизайну робочої сили.

Ключові елементи:

 • Нові навички:

 • вміння керувати агентами (agent orchestration)

 • інтегрувати їхню роботу в бізнес-процеси

 • Нові стимули і метрики:

 • винагорода прив’язується до business outcomes

 • проміжні кроки процесу все частіше виконують агенти, тому опора тільки на класичні процесні KPI стає недостатньою

 • Нові ролі:

 • ролі нагляду, інтеграції, стратегічного управління AI

 • Культура:

 • організаційна культура має підтримувати зміну ролей

 • допомагати приймати “future of work”, а не блокувати його.

Це означає, що питання “як ми платимо”, “кого ми називаємо успішним” і “які кар’єрні треки ми будуємо” стають частиною AI стратегії.

5.3. Measure what matters: приклад 5 днів проти 2 днів

PwC окремо зупиняється на метриках і наводить цифри.

Старий процес:

 • результат отримуємо за 5 днів

 • потрібно 2 ітерації

Новий процес з агентами:

 • той самий результат займає 2 дні

 • потрібно 15 ітерацій

Що важливо:

 • Кількість ітерацій зростає з 2 до 15.

 • Але час до результату скорочується з 5 до 2 днів.

 • З точки зору бізнесу це кращий результат, навіть якщо процес “всередині” став більш ітеративним.

Повідомлення від PwC просте:

 • не варто лякатися збільшення кількості ітерацій, коли працюєте з агентами

 • треба дивитись на кінцевий результат і швидкість його досягнення, а не тільки на звичні процесні метрики.

Частина стандартних KPI може стати менш релевантною, потрібні метрики, які краще відображають ефект роботи людей плюс агентів.

Матеріал показує зміну логіки побудови робочої сили:

 • з’являється новий тип ролей - AI generalists і agent orchestrators

 • змінюється баланс між entry, mid і senior

 • knowledge workforce рухається до моделі “пісочний годинник”, а front-line task work - до моделі “діамант”

 • HR доведеться працювати з архітектурою ролей, системами стимулів і метриками.

Джерело: PwC, “AI Predictions”, розділ 3 “Rise of the AI generalist: A new workforce emerges”.