2026 год может войти в историю бизнеса не как год хайпа вокруг нейросетей, а как год, когда рынок повзрослел. Пока одни компании пытаются точечно внедрять искусственный интеллект (ИИ) в отдельные процессы, другие уже перестраивают саму логику управления, замещая алгоритмами средний менеджмент. О том, как работает такая операционная модель, каким образом она трансформирует роли руководителей и линейных сотрудников, а также какие нюансы нужно учитывать при переходе на нее рассказывает Влад Завадский, исследователь эффективности внедрения инноваций в бизнес, ИИ-стратег и методолог, архитектор систем экспертных продаж и автор подхода «Экологичные продажи».
Три «корзины» распределения функционала и ресурсов
Средний слой управленцев традиционно выполняет простую, но важную роль — это «шестеренки» между верхним и нижним уровнями бизнеса. Они передают усилие сверху вниз, превращая стратегические указания в операционные задачи, и снизу вверх, собирая сотни отчетов в сводки для начальства. Сами по себе они ничего не производят — их работа заключается в поддержании связности между этажами компании.
Сегодня искусственный интеллект выполняет эту функцию быстрее и точнее, без личных приязней и эмоциональных смещений в интерпретации данных. Поэтому средний менеджмент будет неизбежно сокращаться. Задача бизнеса — правильно перераспределить усилия оставшихся сотрудников и ИИ-ресурсов.
Чтобы делать это грамотно, в своих проектах трансформации мы используем подход трех «корзин», который определяет границы применимости ИИ:
- Корзина 1: куда не пускать ИИ. Ценностные суждения, решения, предполагающие персональную ответственность, общение с эмпатией, удержание замысла, тонкая контекстуальная работа с людьми, публичные выступления. Задачи из этой категории ИИ-модель выполняет хуже человека, и не потому, что она слаба, а потому, что у нее нет того, что в этой работе является главным — субъектности и живого понимания контекста.
- Корзина 2: где вместе лучше. Аналитика, разработка, разбор сложных ситуаций, стратегия, создание нового, моделирование сценариев. Выполняя работу из этой категории вместе с ИИ, сотрудник растет и одновременно производит результат.
- Корзина 3: куда не пускать человека. Сбор и обработка данных, координация, типовые операции, создание типовых документов, проверки, передача информации. Подключение человека к задачам этой категории только тормозит процессы.
Логика управления в рамках этого подхода упрощается до одного принципа: третью «корзину» необходимо автоматизировать, чтобы высвободившееся время и ресурсы перебросить на первую — сугубо человеческую. Именно там создается основная ценность должности.
Мой опыт показывает: примерно через год применения подхода трех «корзин» граница между зонами становится точной, и бизнес видит реальный прирост эффективности. В свою очередь, компании, которые «бросились» в цифровизацию без учета этого подхода и автоматизируют по регламентам, а не по реальной сути работы, через год могут с ужасом обнаружить: автоматизирована часть первой «корзины», что ведет к деградации управления, а часть третьей так и осталась за людьми по инерции.
Таким образом, результат зависит не от самого факта внедрения ИИ, а от правильного распределения функционала и ресурсов.
Трансформация ролей руководителей и линейных сотрудников
Подход трех «корзин» аналогично меняет и работу самого руководителя. Координация и сборка отчетности уходят в третью «корзину» и автоматизируются. Тактические решения по сценариям попадают во вторую — здесь руководитель работает с ИИ как со вторым пилотом. А в первой «корзине» остается то, что раньше было прерогативой совета директоров: формулирование сути, создание новых смыслов, удержание намерения, этический выбор, ответственность за решение, живое общение с сотрудниками.
При этом ключевым новым навыком для руководителя становится умение выбирать адресата задачи: ИИ-агента, человека или связку «человек + ИИ». Именно он определяет успех в условиях активного использования алгоритмов. Ошибка в выборе стоит дорого: поставил ИИ-агенту задачу из первой «корзины» — получил стилистически безупречный, но пустой по смыслу документ; поставил человеку задачу из третьей — заставляешь его тратить три часа на то, что ИИ-агент сделал бы за минуту. У руководителя, научившегося оптимально определять исполнителя, работа очищается от рутины.
Сдвиг ролей затрагивает всю вертикаль компании: любой руководитель теперь — «совет директоров» для своего участка, он отвечает за смыслы; любой линейный сотрудник — руководитель агентов и моделей, он управляет работой, а не только исполняет ее. То есть должности остаются прежними, но уровень работы становится качественно иным.
Четыре культурных аспекта перехода
Помимо функционального основания — то есть описанного выше подхода трех «корзин», — успешный переход к операционной модели с ИИ как управленческим слоем строится на культурном основании. Последнее включает четыре обязательных компонента:
- Личная автономия — способность сотрудника сохранять собственное мышление даже там, где модель «думает» быстрее.
- Этические границы — зафиксированный перечень задач, которые компания принципиально сохраняет за человеком, даже если технически ИИ-модель уже способна их выполнять.
- Режим взаимодействия — переход от роли «оператора» к роли «партнера»: сотрудник не просто вводит запросы, а ведет мыслительный процесс.
- Ответственное отношение к данным — понимание, что и как можно или нельзя обсуждать с моделью.
Сильная операционная модель рождается только тогда, когда функциональность и культура работают в синергии.
Пять рисков внедрения ИИ в управленческий контур
Любая технология несет риски, и применительно к работе с ИИ рынок только начинает их осознавать. Эти угрозы касаются как поведения самой модели, так и психологии человека, который с ней взаимодействует. Вот пять главных рисков, которые нужно знать до того, как вы встроите ИИ в управленческий контур:
- Поддакивание. Исследование группы ученых во главе с Майрой Ченг на выборке из 2 405 участников, опубликованное в Science, показало: ИИ подтверждает позицию пользователя в полтора раза чаще, чем живой собеседник. Это не сбой, а устройство ИИ-моделей — они статистически откалиброваны на согласие.
- Когнитивный долг сотрудника. ИИ выдает решение быстрее, чем специалист успевает его обдумать, из-за чего оно принимается без глубокого понимания. Через два-три месяца такой работы профессиональная форма сотрудника незаметно разрушается, потому что он оперирует выводами, которых сам не строил.
- Когнитивный долг компании. Сотрудники массово штампуют с помощью ИИ документы, которые выглядят статистически верными, но лишены специфики и сути. Когда в этом потоке пытаются разобраться их коллеги, они снова подключают ИИ — и алгоритмы услужливо генерируют смысл там, где его не было. В результате на каждом шаге передачи информации исходный смысл девальвируется.
- Падение коллективного разнообразия. Исследование Анила Р. Доши и Оливера П. Хаузера, опубликованное в Science, выявило парадокс: с ИИ индивидуальное качество работы растет, но разнообразие идей в группе падает на 10,5%. Поскольку в распоряжении всех компаний — одни и те же ИИ-модели, за короткое время вся отрасль приходит к усредненному стандарту.
- Моральная анестезия. Исследование группы ученых во главе с Нильсом Кёбисом, опубликованное в Nature, вскрыло феномен: ИИ-модель, которая встает между человеком и решением, лишает его ощущения личного авторства. И чем больше используется материал, полученный ИИ, тем сильнее это проявляется. Речевой маркер описанного состояния — фраза «это ИИ так сказал». Звучит безобидно, но через год-два многие менеджеры окажутся не способны обосновать ни одного решения без ссылки на модель.
Способ борьбы со всеми этими рисками один — сохранять собственную субъектность.
Практики сохранения субъектности команды при работе с ИИ
Любой акт работы с ИИ либо увеличивает когнитивные возможности человека, либо уменьшает их. Третьего не дано. Исследование группы ученых во главе с Хамсой Бастани на выборке из тысячи школьников, опубликованное в PNAS, показало пугающий разброс: одна и та же модель в одной группе дает +127% к качеству и сохранение навыка, а в другой — минус 17%. Ключевая переменная, которая отличает эти случаи, — паттерн использования инструмента.
Водораздел проходит по одной линии. Отдаем ИИ свою работу — деградируем. Сохраняем субъектную позицию и ведем совместный процесс — растем. Второй режим можно сравнить с ролью руководителя, управляющего экспертом.
Чтобы внедрить такой режим в компании, я рекомендую закрепить в коллективе несколько базовых практик:
- Наличие замысла до контакта с ИИ. В любом проекте главное — не качество формулировки запроса к ИИ-модели, а сам факт существования замысла у человека. Поэтому пока собственная мысль не сформулирована, открывать чат с ИИ нельзя.
- Верификация в чистой ветке. Значимые утверждения нужно проверять другой моделью или в новом диалоге. Это защита сразу от двух угроз: галлюцинаций и склонности ИИ-модели к согласию в одной и той же ветке.
- Петля оппонирования. После получения каждого решения от ИИ-модели необходимо запускать другую ветку с задачей атаковать это решение. Без оппонирования человек работает с одним голосом, статистически склонным к подтверждению.
- Фиксация удачного хода. После каждого эпизода удачной работы нужно просить ИИ-модель сформулировать промпт, с помощью которого другая модель могла бы прийти к тому же результату, и сохранять такие промпты в базе знаний.
- Периоды без ИИ. Как минимум один раз в неделю часть задач нужно решать без помощи ИИ. Для сотрудников это диагностика собственной состоятельности как людей мыслящих.
***
Связка «человек + ИИ» дает максимальный эффект в задачах с высокой долей неопределенности, но только при наличии глубокой экспертизы у специалиста. Без нее ИИ-модель может завести куда угодно — и лишь внутренний камертон профессионала подскажет, что она ведет не туда.
Я часто привожу метафору: когнитивная сила ИИ — это очень мощный прожектор. Он дает поток света в любую точку, на которую его направят, но сам не знает, куда светить. В зоне неопределенности такую точку человек ищет через свой замысел и профессиональное суждение. Когда направление задано экспертом и калибруется им же в процессе, ИИ работает в полную мощность. Именно так рождается новое. Кратный эффект достигается там, где у человека с самого начала есть намерение добиться чего-то действительно выдающегося.
Источник: Влад Завадский
