Добра, карты на стол — гэтае пытанне ўзнікае паўсюль. На тэхналагічных сустрэчах, на кава-паўзах на працы і, так, нават у тых доўгіх тэмах LinkedIn ніхто не прызнаецца, што чытае. Хваляванне даволі відавочнае: калі штучны інтэлект можа справіцца з такой колькасцю аўтаматызацыі, ці робіць гэта навуку аб дадзеных нейкай... аднаразовай? Хуткі адказ: не. Больш доўгі адказ? Гэта складана, брудна і значна цікавей, чым адназначнае «так» ці «не»
Артыкулы, якія вам могуць спадабацца пасля гэтага:
🔗 Навука аб дадзеных і штучны інтэлект: будучыня інавацый
Даследаванне таго, як штучны інтэлект і навука аб дадзеных фарміруюць інавацыйны ландшафт заўтрашняга дня.
🔗 Ці заменіць штучны інтэлект аналітыкаў дадзеных: рэальная размова
Разуменне ўплыву штучнага інтэлекту на ролі аналітыкаў дадзеных і патрэбы галіны.
🔗 Кіраванне дадзенымі для інструментаў штучнага інтэлекту, на якія варта звярнуць увагу
Ключавыя практыкі кіравання дадзенымі для максімальнага выкарыстання патэнцыялу інструментаў штучнага інтэлекту.
Што насамрэч робіць навуку аб дадзеных каштоўнай 🎯
Вось у чым справа: навука аб дадзеных — гэта не проста матэматыка і мадэлі. Яе магутнасцю робіць дзіўны кактэйль статыстычнай дакладнасці, бізнес-кантэксту і ноткі крэатыўнага рашэння праблем . Штучны інтэлект, вядома, можа вылічыць дзесяць тысяч верагоднасцей у імгненне вока. Але ці можа ён вызначыць, якая праблема мае значэнне для прыбытку кампаніі? Або растлумачыць, як гэтая праблема звязана са стратэгіяй і паводзінамі кліентаў? Вось тут і ўступаюць у справу людзі.
Па сутнасці, навука аб дадзеных падобная да перакладчыка. Яна бярэ сыры беспарадак — непрыгожыя электронныя табліцы, журналы, апытанні, якія не маюць сэнсу — і ператварае яго ў рашэнні, на падставе якіх звычайныя людзі могуць дзейнічаць. Калі прыбраць гэты перакладчыцкі пласт, штучны інтэлект часта вывяргае самаўпэўненую лухту. HBR гадамі кажа пра гэта: сакрэтны соус — гэта не паказчыкі дакладнасці, а перакананне і кантэкст [2].
Праверка рэальнасці: даследаванні паказваюць, што штучны інтэлект можа аўтаматызаваць мноства задач у межах працы — часам больш за палову . Але вызначэнне аб'ёму працы, прыняцце рашэнняў і ўзгадненне з гэтай бязладнай рэччу пад назвай «арганізацыя»? Усё яшчэ ў значнай ступені з'яўляецца чалавечай тэрыторыяй [1].
Кароткае параўнанне: навука аб дадзеных супраць штучнага інтэлекту
Гэтая табліца не ідэальная, але яна падкрэслівае розныя ролі, якія яны выконваюць:
| Асаблівасць / Кут | Навука аб дадзеных 👩🔬 | Штучны інтэлект 🤖 | Чаму гэта важна |
|---|---|---|---|
| Асноўны фокус | Аналіз і прыняцце рашэнняў | Аўтаматызацыя і прагназаванне | Навука аб дадзеных фармулюе пытанні «што» і «чаму» |
| Тыповыя карыстальнікі | Аналітыкі, стратэгі, бізнес-каманды | Інжынеры, аперацыйныя каманды, праграмныя праграмы | Розныя аўдыторыі, перакрываючыяся патрэбы |
| Фактар кошту 💸 | Заробкі і інструменты (прадказальныя) | Воблачныя вылічэнні (зменныя ў залежнасці ад маштабу) | Штучны інтэлект можа выглядаць таннейшым, пакуль не рэзка ўзрасце яго выкарыстанне |
| Сіла | Кантэкст + апавяданне | Хуткасць + маштабаванасць | Разам яны ўтвараюць сімбіёз |
| Слабасць | Павольна для паўтаральных задач | Змагаецца з неадназначнасцю | Дакладна чаму адзін не заб'е другога |
Міф пра «поўную замену» 🚫
Гучыць класна ўявіць, як штучны інтэлект паглынае кожную задачу па апрацоўцы дадзеных, але гэта заснавана на няправільным меркаванні, што ўся каштоўнасць навукі аб дадзеных мае тэхнічны характар. Большая частка яе насамрэч інтэрпрэтацыйная, палітычная і камунікатыўная .
-
Ніводзін кіраўнік не кажа: «Калі ласка, дайце мне мадэль з дакладнасцю 94%»
-
Яны пытаюцца: «Ці варта нам пашырацца на гэты новы рынак, так ці не?»
Штучны інтэлект можа генераваць прагноз. Што ён не ўлічвае: праблемы з рэгуляваннем, культурныя нюансы або схільнасць генеральнага дырэктара да рызыкі. Аналіз, які ператвараецца ў дзеянні, усё яшчэ з'яўляецца чалавечай гульнёй , поўнай кампрамісаў і перакананняў [2].
Дзе штучны інтэлект ужо змяняе сітуацыю 💥
Будзем шчырымі — частка навукі аб дадзеных ужо паглынаецца штучным інтэлектам:
-
Ачыстка і падрыхтоўка дадзеных → Аўтаматызаваныя праверкі выяўляюць адсутныя значэнні, анамаліі і зрухі хутчэй, чым людзі, якія цяжка працуюць у Excel.
-
Выбар і налада мадэлі → AutoML звужае выбар алгарытмаў і апрацоўвае гіперпараметры, эканомячы тыдні важданняў [5].
-
Візуалізацыя і справаздачнасць → Інструменты цяпер могуць ствараць чарнавікі панэляў кіравання або тэкставыя зводкі з аднаго запыту.
Хто адчувае гэта найбольш? Людзі, чыя праца круціцца вакол паўтаральнай пабудовы дыяграм або базавага мадэлявання. Выхад? Падняцца вышэй па ланцужку стварэння каштоўнасці: задаваць больш канкрэтныя пытанні, распавядаць больш зразумелыя гісторыі і фармуляваць лепшыя рэкамендацыі.
Кароткі агляд выпадку: рознічны гандляр тэстуе AutoML на адток кліентаў. У выніку атрымліваецца надзейная базавая мадэль. Але галоўная перамога прыходзіць, калі спецыяліст па апрацоўцы дадзеных перафармулюе задачу: замест «Хто будзе адцякаць?» яна становіцца «Якія ўмяшанні фактычна павялічваюць чысты прыбытак па сегментах?». Гэта зрух — плюс партнёрства з фінансавым аддзелам для ўстанаўлення абмежаванняў — і ёсць тое, што стымулюе каштоўнасць. Аўтаматызацыя паскарае працэс, але фармуляванне раскрывае вынік.
Роля спецыялістаў па апрацоўцы дадзеных развіваецца 🔄
Замест таго, каб знікаць, праца набывае новыя формы:
-
Перакладчыкі са штучным інтэлектам — робяць тэхнічную працу зразумелай для кіраўнікоў, якія клапоцяцца пра грошы і рызыкі для брэнда.
-
Кіраўніцтва і этыка — наладжванне тэставання на прадузятасць, маніторынг і кантроль у адпаведнасці са стандартамі, такімі як AI RMF NIST [3].
-
Стратэгі прадуктаў — уключэнне дадзеных і штучнага інтэлекту ў кліенцкі досвед і дарожныя карты прадуктаў.
Па іроніі лёсу, па меры таго, як штучны інтэлект бярэ на сябе больш тэхнічнай працы, чалавечыя навыкі — апавяданне гісторый, ацэнка прадметнай вобласці, крытычнае мысленне — становяцца тымі часткамі, якія немагчыма лёгка замяніць.
Што кажуць эксперты і дадзеныя 🗣️
-
Аўтаматызацыя рэальная, але частковая : сучасны штучны інтэлект можа аўтаматызаваць мноства задач у розных сферах дзейнасці, але звычайна гэта дазваляе людзям пераключыцца на больш каштоўную працу [1].
-
Для прыняцця рашэнняў патрэбныя людзі : HBR адзначае, што арганізацыі рухаюцца не дзякуючы чыстай лічбе — яны рухаюцца таму, што гісторыі і апавяданні прымушаюць лідараў дзейнічаць [2].
-
Уплыў на працоўныя месцы ≠ масавыя звальненні : дадзеныя Сусветнага эканамічнага форуму паказваюць, што кампаніі чакаюць, што штучны інтэлект зменіць ролі і скараціць штат там, дзе задачы высока аўтаматызуюцца, але яны таксама падвойваюць намаганні па перападрыхтоўцы [4]. Гэтая мадэль больш падобная на перапраектаванне, чым на замену.
Чаму страх не перастае 😟
Загалоўкі ў СМІ квітнеюць на згубе. «Штучны інтэлект замяняе працоўныя месцы!» — гэта добрая ідэя. Але сур'ёзныя даследаванні пастаянна паказваюць нюансы: аўтаматызацыя задач, перапрацоўка працоўных працэсаў і стварэнне новых роляў [1][4]. Аналогія з калькулятарам працуе: ніхто больш не дзеліць у вялікае значэнне ўручную, але вам усё роўна трэба разумець алгебру, каб ведаць, калі выкарыстоўваць калькулятар.
Заставацца актуальным: практычны дапаможнік 🧰
-
Пачніце з рашэння. Прывяжыце сваю працу да бізнес-пытання і да кошту памылкі.
-
Хай штучны інтэлект складае чарнавікі, вы ўдасканальваеце. Успрымайце яго вынікі як адпраўныя пункты — вы ўносіце меркаванні і кантэкст.
-
Убудуйце кіраванне ў свой працэс. Лёгкія праверкі на прадузятасць, маніторынг і дакументацыя, звязаныя з такімі структурамі, як NIST [3].
-
Звярніце ўвагу на стратэгію і камунікацыю. Чым менш вы прывязаныя да «націскання кнопак», тым цяжэй вас аўтаматызаваць.
-
Ведайце сваё AutoML. Уявіце сабе яго як бліскучага, але неабдуманага стажора: хуткі, нястомны, часам дзіка памыляецца. Вы забяспечваеце агароджу [5].
Дык… Ці заменіць штучны інтэлект навуку аб дадзеных? ✅❌
Адказ просты: не, але ён яго зменіць . Штучны інтэлект перапісвае інструментарый — скарачае карпатлівую працу, павялічвае маштаб і змяняе найбольш важныя навыкі. Але ён не ліквідуе неабходнасць чалавечай інтэрпрэтацыі, творчасці і меркаванняў . Хутчэй за ўсё, добрыя спецыялісты па апрацоўцы дадзеных больш каштоўныя як інтэрпрэтатары ўсё больш складаных вынікаў.
Вынік: штучны інтэлект замяняе задачы, а не прафесію [1][2][4].
Спасылкі
[1] McKinsey & Company - Эканамічны патэнцыял генератыўнага штучнага інтэлекту: наступная мяжа прадукцыйнасці (чэрвень 2023 г.).
https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier
[2] Harvard Business Review - Data Science and the Art of Persuasion (Скот Берыната, студзень-люты 2019 г.).
https://hbr.org/2019/01/data-science-and-the-art-of-persuasion
[3] NIST - Структура кіравання рызыкамі штучнага інтэлекту (AI RMF 1.0) (2023).
https://nvlpubs.nist.gov/nistpubs/ai/nist.ai.100-1.pdf
[4] Сусветны эканамічны форум — Ці закрывае штучны інтэлект дзверы для магчымасцей працаўладкавання пачаткоўцаў? (30 красавіка 2025 г.) — меркаванні з дакладу «Будучыня працоўных месцаў 2025» .
https://www.weforum.org/stories/2025/04/ai-jobs-international-workers-day/
[5] He, X. і інш. - AutoML: Агляд сучаснага стану (arXiv, 2019).
https://arxiv.org/abs/1908.00709