Сотрудники тайком используют ИИ и экономят свое время. Что теряют фирмы

Взрывной интерес корпоративного сектора к искусственному интеллекту, спровоцированный публичным релизом ChatGPT в конце 2022 года, обещал бизнесу скорую технологическую революцию. Ожидалось, что нейросети моментально оптимизируют расходы, кратно увеличат выручку и заменят целые отделы. Однако спустя несколько лет топ-менеджеры все чаще задаются вопросом: почему модели становятся умнее, а фундаментального скачка в эффективности бизнеса до сих пор не произошло?

Иллюзия быстрого старта и «промышленный» тупик

Сразу после того, как генеративный ИИ стал достоянием общественности, на рынок хлынула волна b2b-продуктов. Разработчики наперебой предлагали решения, призванные интегрировать нейросети в кровеносную систему компаний. За прошедшие годы языковые модели (LLM) совершили колоссальный рывок, научившись удерживать контекст, анализировать огромные массивы данных и писать сложный код. По данным McKinsey, в 2025 году 78% компаний использовало ИИ.

Наибольший прогресс достигнут в задачах создания креативов — генерации текстов, изображений и видео. Еще одна сфера, где ИИ действительно меняет правила игры, — разработка программного обеспечения. Инструменты вроде Cursor радикально снижают порог входа в профессию и ускоряют написание кода, снимая с программистов рутину.

А что же корпорации? Большинство внедрений в крупном бизнесе пока сводится к точечной автоматизации. Приведем классические примеры.

• Клиентский сервис: чат-боты в кол-центрах, суфлеры для операторов и автоматическая классификация обращений.
• Безопасность и комплаенс: алгоритмы машинного обучения для скоринга и выявления фродовых операций (антифрод-системы).
• Документооборот: извлечение данных из сканов, договоров и первичной документации.

Эти решения полезны, но не создают тектонических сдвигов. При этом, по данным McKinsey, почти две трети компаний застряло на этапе бесконечного тестирования: они запускают пилотные ИИ-проекты, но не могут масштабировать на всю организацию. В бизнес-лексиконе даже закрепился специальный термин «кладбище пилотов» (pilot purgatory).

Глядя на финансовые отчеты, акционеры разводят руками: 80% компаний не видит значимого влияния ИИ на прибыль.

Новая форма организации труда

Чтобы найти «зарытый клад», компаниям необходимо посмотреть на внедрение ИИ шире. Речь идет не об инсталляции нового софта, а о переходе к совершенно новой форме организации труда.

Идею «внедрения ИИ» пора переформулировать. Цель компании не заставить API нейросети общаться с внутренней базой данных, а получить сотрудников, которые используют ИИ, чтобы стать лучшей версией себя как профессионала.

Самый интригующий и, пожалуй, наиболее значимый для бизнеса эффект от внедрения большой языковой модели (LLM) кроется не в скорости, а в изменении самой структуры профессиональных навыков. ИИ выступает в роли великого уравнителя, подтягивая отстающих сотрудников до уровня высокоэффективных. Это подтверждает одно из самых резонансных и цитируемых исследований последних лет, проведенное совместно Гарвардской школой бизнеса (HBS) и BCG. Изучив работу сотен консультантов, исследователи обнаружили поразительную закономерность: при использовании ИИ сотрудники с изначально низкими показателями улучшили качество своей работы на 43%, в то время как высокоэффективные лишь на 17%.

В чем секрет такого вертикального взлета продуктивности? ИИ не просто делает человека быстрее; он снижает когнитивную нагрузку и убирает барьеры, которые раньше требовали годы опыта для преодоления. Вот три ключевых механизма этого превращения.

Вступайте в сообщество Школы управления РБК в Telegram или «Макс», чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.

• Мгновенный онбординг в смежные области. Раньше маркетологу, чтобы понять технические нюансы нового IT-продукта, требовалось несколько дней для изучения документации или серия встреч с разработчиками. С ИИ этот барьер исчезает. «Середнячок» может попросить LLM: «Объясни мне, как работает этот алгоритм, так, чтобы было понятно пятилетнему ребенку, и выдели три главных преимущества для клиента». ИИ позволяет сотрудникам мгновенно и активно исследовать области, пограничные с их основными задачами, и стать T-shaped специалистами без многолетнего обучения.
• Навигатор в океане информации. Сегодняшний офис тонет в данных: отчеты, чаты, письма, базы знаний. Ключевой навык звезды — умение быстро выделить главное. Но новичка этот поток парализует. LLM решает эту проблему, выступая интеллектуальным фильтром. Сотрудник может загрузить 50-страничный отчет и за минуту получить саммари с ключевыми рисками и возможностями. Время разбора информации сокращается в разы, позволяя тратить его на принятие решений, а не на чтение.
• Генератор альтернативных путей. Опытный сотрудник знает три способа решить задачу. Новичок — только один и скорее всего, самый шаблонный. ИИ стирает эту разницу. Получив задачу, сотрудник с ИИ не просто приступает к реализации, а устраивает мозговой штурм со своей «второй головой»: «У меня есть задача X. Предложи пять креативных и три консервативных способа ее решения, оцени риски и ресурсы для каждого». ИИ подкидывает идеи, которые раньше были доступны только людям с огромным насмотренным опытом, позволяя находить более эффективные и нестандартные пути.

ИИ не заменяет человека, но делегирует «середнячку» неявные знания и интуицию лучших экспертов отрасли. Вопрос лишь в том, как достичь максимальной сингерии человека и алгоритма.

«Вторая голова» для бизнеса: вопрос на миллион долларов

Изначально бизнесу казалось, что главный барьер на пути к синергии — консерватизм и инертность самих сотрудников. Однако настоящая проблема кроется глубже — в неготовности корпоративной культуры и устаревших подходах самого менеджмента.

Компании столкнулись с уникальным парадоксом расслоения коллектива. С одной стороны, ряд сотрудников боятся потерять работу из-за ИИ: по данным Mercer, на глобальном уровне их доля выросла с 28% в 2024 году до 40% в 2026-м. Привыкшие к шаблонным задачам воспринимают нейросеть не как помощника, а как прямого конкурента, который обесценит их многолетний опыт. С другой стороны, наиболее инициативные специалисты уже делегируют алгоритмам черновую работу. К примеру, cогласно данным февральского опроса НН.ru, 27% россиян применяют ИИ в решении рабочих задач.

Однако инертность корпоративной среды породила опасный феномен — теневой ИИ (Shadow AI). Как показывают глобальные отчеты Microsoft и локальные исследования (например, Level Group), сотрудники массово используют языковые модели с личных устройств, но скрывают это от начальства. Причина в неадаптированных метриках оценки труда (KPI): все боятся, что, если признаются в автоматизации своей рутины, руководство сочтет их ленивыми, урежет премию или просто удвоит норму выработки за те же деньги.

Как гласит правило «10–20–70», выведенное аналитиками BCG, успех внедрения ИИ лишь на 10% зависит от самих алгоритмов и на 20% — от IT-инфраструктуры. А решающие 70% успеха — это трансформация сотрудников и перестройка бизнес-процессов.

И это исключительно сложная управленческая задача. Усилия топ-менеджмента должны быть направлены не на закупку лицензий и спуск директив сверху, а на системную «легализацию» ИИ внутри компании. Практика показывает, что эффективным инструментом здесь становится создание профильных технологических советов внутри холдингов, задача которых не писать сухие регламенты, а находить и масштабировать реальную, измеримую пользу от применения алгоритмов на всех уровнях.

Руководству следует создать среду, легализующую право на эксперимент. Идея «внедрения ИИ» должна быть переформулирована. Настоящая цель бизнеса — не автоматизировать старый бизнес-процесс, а получить сотрудников, которые используют LLM, чтобы стать лучшей версией себя как профессионалов.

Как только языковая модель начнет восприниматься коллективом не как сторонняя IT-система или «убийца профессий», а как органичное продолжение самого специалиста — «вторая голова», которой можно тестировать гипотезы и куда можно сгрузить рутину, компания найдет тот самый экономический клад. Как именно расшевелить людей, чтобы запустить эту трансформацию, — вопрос на миллион долларов для любого CEO.

Послесловие

Это не только рассуждение, но и демонстрация подхода: статья полностью сгенерирована ИИ на основе подробного промпта, задавшего структуру, стиль и ключевые тезисы.

Алгоритм эффективно «упаковал» фактуру и стилизовал материал — быстрее и местами точнее, чем при ручной работе. Однако без изначального стратегического видения, понимания болей бизнеса и жестко заданного вектора нейросеть никогда не выдала бы подобный результат, оставшись лишь генератором шаблонных банальностей.

В этом и суть работы со «второй головой»: ИИ берет на себя исполнение, а смыслы, экспертиза и управление остаются за человеком. Нейросеть не создает, но позволяет оформить и аргументировать стратегию максимально качественно.