Читати книгу - "ХЗ. Хто знає, яким буде майбутнє"

Водій Uber або Lyft працює у двох видах доповненої реальності. Перший — Google Maps і схожі сервіси, тобто інструменти, де втілено знання про план міста. Тепер водіям не треба знати місто як свої п’ять пальців. Усе знає Google. Другий — додаток Uber або Lyft. Цей додаток відкриває доступ до можливостей: сповіщає про виклик і підказує, де забрати пасажира. Інновація додатків у сфері послуг за запитом у тому, що з’явилися простіші й гнучкіші методи зв’язку між працівниками й клієнтами.

Сет Стернберґ, засновник сервісу Honor, який добирає пацієнтам фахівців із догляду вдома, родзинкою своєї компанії вважає вдалий підбір. На відміну від Uber, доглядальники Honor є штатними працівниками, але попит на їхні послуги несталий. Деяким пацієнтам потрібен догляд увесь час, а деякі викликають фахівця для короткотривалих послуг. Сет пояснив, що найважливіше — підібрати пацієнтові відповідного доглядальника. Треба враховувати, де мешкає доглядальник і які має навички. Деякі пацієнти потребують когось сильного, хто може їх підняти; деяким потрібен особливий догляд. Платформа, завдяки якій працівники заздалегідь знають, чого очікувати, налагоджує кращі й триваліші відносини між доглядальниками й пацієнтами. Ефективна система — задоволені клієнти.

Вдалий підбір лежить в основі роботи Upwork — платформи, де компанії шукають фрілансерів за категоріями: програмування, графічний дизайн, журналістика, переклади, пошукова оптимізація (SEO), бухгалтерія та клієнтська підтримка. Виконавчий директор Upwork Стефан Касріель гадає, що їхня платформа — ключ до розуміння сучасного ринку праці. На Upwork шалена плинність кадрів. У середньому замовлення триває кілька днів або тижнів — про роки взагалі не йдеться. Стефан розповів мені про три типи працівників на Upwork. На його думку, для кожного платформа виконує різні функції.

Перший тип — фахівці з навичками. Вони користуються попитом на ринку, мають високу репутацію на платформі, а отже, вдосталь замовлень, адже вони вже на хвилі. Такі люди не потребують допомоги платформи.

Другий тип — працівники з навичками. Вони користуються попитом на ринку, але не мають репутації. Таким людям бракує замовлень. Команда Upwork, яка відповідає за внутрішні дані, має знаходити таких людей і підкидати їм підхожі вакансії. Часто найкращими варіантами виявляються не ті вакансії, що повністю відповідають навичкам працівників, а ті, що відкривають для них нові галузі. Буває, у галузі, де бракує кадрів, достатньо підучитися або перекваліфікуватися, щоб потрапити на хвилю, напрацювавши репутацію й рекомендації. Наприклад, Стефан розповів: кілька років тому було забагато програмістів Java, а от Android девелоперів бракувало; отож найкращим варіантом для фахівців Java, які прагнули зачепитися на Upwork (та й більше заробляти, бо за розробки для Android платили краще), було оволодіти новими навичками. Наразі бракує фахівців з аналізу й обробки даних, і таким фахівцям більше платять.

Третій тип — працівники без навичок, необхідних для вакансій, на які вони претендують. Таких людей треба схиляти до того, що не варто подаватися на непідхожі вакансії. «Час, який вони марнують на заявки, ліпше присвятити іншій роботі», — розповів Стефан.

Upwork розробила власну систему оцінки навичок, і нині користувачі присвячують їй 100 тисяч годин на місяць. Найдивовижніше в цій системі, що вірогідність оцінки можна відразу перевірити: виконуєш роботу і задовольняєш замовника або — ні. Миттєва перевірка контрастує з методами різноманітних освітніх компаній: вони видають паперові сертифікати, але не можуть дати жодних гарантій, що власники сертифікатів справді здатні виконувати ту чи іншу роботу.

Судячи з усього, ми на порозі нової доби, яка звільнить нас від обмежених уявлень про працю й навчить застосовувати технології так, щоб відкривати нові можливості і створювати доповнену реальність для працівників. Ми визначатимемо найсильніші сторони фахівців і шукатимемо для них відповідних можливостей. У нас будуть інструменти, з якими простіше й ефективніше працювати. Ми формуватимемо динамічні ринки праці, де послуги за запитом, свобода і плинність кадрів творять напрочуд продуктивне середовище.

До розуміння майбутнього ми наблизимося, коли усвідомимо, що в новітніх інструментах утілені одні знання — здобуті раніше; що користуватися цими інструментами можна, лише володіючи другими знаннями, а просуватися вперед — третіми. Навчання — важливий крок на шляху до світу доповненої реальності.

Я пересвідчився в цьому завдяки професійній діяльності, бо навчав програмістів, охочих довідатися про наступні етапи розвитку технологій. Перший комп’ютерний посібник я написав 1978 року про лабораторний акселератор LPA 11K корпорації Digital Equipment Corporation. У книжці розповідалося, як передавати дані з високошвидкісних пристроїв збору лабораторних даних за допомогою мови асемблера — мови програмування низького рівня, що відповідає машинному коду, досі захованому глибоко всередині наших комп’ютерів. Треба було давати комп’ютерові дуже точні вказівки: перемісти дані з порту цього пристрою на той регістр пам’яті; проведи ось таке обчислення на ньому; передай результат на другий регістр пам’яті; запиши його для постійного зберігання.

Деяким програмістам досі доводиться розбиратися з асемблером, та зазвичай машинний код є продуктом роботи компіляторів й інтерпретаторів із мовами програмування високого рівня, як-от C, C++, Java, C#, Python, JavaScript, Go та Swift. Тож програмісти можуть давати комп’ютерам ширші високорівневі інструкції. Своєю чергою, програмісти створюють користувацькі інтерфейси, що дають змогу людям, які не тямлять у програмуванні, використовувати величезну потужність техніки. Кілька десятиліть тому це було неможливо: користувач мав знати точну адресу в пам’яті й набір інструкцій процесора.

Та навіть «сучасні» мови програмування й інтерфейси — це лише проміжна стадія. Компанія Google, де працюють десятки тисяч найкращих у світі розробників програмного забезпечення, починає розуміти, що час навчати працівників нових технологій машинного навчання. У цих технологіях застосовують зовсім інші підходи до програмування: фахівці навчають моделі програм штучного інтелекту, а не задають їм коди. Google не відправляє персонал у коледжі, а