Исследование издания «Т-Бизнес секреты» показало, что нейросети для рабочих задач используют уже 49 % владельцев малого бизнеса и 29 % наёмных работников. Но сам по себе доступ к технологии ещё не означает, что она начнёт приносить пользу бизнесу. Даже сильное ИИ-решение может не дать ожидаемого эффекта, если сотрудники не понимают целей внедрения, боятся изменений или не знают, как применять новый инструмент в повседневной работе.
Поэтому подготовка команды должна идти параллельно с технологическим внедрением. Компании важно заранее определить, какие процессы она хочет изменить, как будет измерять результат, чему нужно научить сотрудников и какие правила работы с ИИ установить. О том, как корректно это сделать, рассказал Глеб Кузьмин, руководитель отдела по развитию профессиональных ИИ сервисов в Яндексе, эксперт программы Центра непрерывного образования ФКН НИУ ВШЭ «ИИ-лидеры: бизнес-лаборатория для руководителей».
Почему сотрудники сопротивляются ИИ
Можно выделить три основные причины сопротивления.
Недостаточное понимание возможностей технологии. Сотрудники не всегда представляют, какие задачи можно решать с помощью ИИ и какую практическую пользу он способен принести именно в их работе.
Необходимость менять привычные процессы. Освоение новых инструментов, формулирование запросов, проверка результатов и встраивание ИИ в рабочий процесс требуют времени и усилий. Поэтому на старте технология может восприниматься не как способ упростить работу, а как дополнительная обязанность.
Страх потерять работу. Если компания не объясняет цели автоматизации, сотрудники могут воспринимать внедрение ИИ как подготовку к сокращениям, а не как инструмент повышения производительности и развития компетенций.
Сопротивление не всегда говорит о нежелании команды меняться. Нередко оно указывает на ошибки руководства. Если сотрудников просто обязали пользоваться ИИ, но не объяснили, зачем это нужно, как оценивать результат и кто отвечает за ошибки, негативная реакция вполне закономерна.
Разберитесь, чего именно опасаются сотрудники
Если проблема заключается в самом инструменте, сотрудники обычно готовы её обсуждать: называют конкретные недостатки, задают вопросы, предлагают доработки или альтернативы.
Страх потерять работу чаще выражается в принципиальном отказе использовать ИИ, саботаже инициативы, обесценивании результатов или нежелании даже попробовать новый подход. Однако аналогичное поведение может быть вызвано и отсутствием обучения или поддержки, поэтому делать выводы только по реакции сотрудника не стоит.
До запуска полезно заранее обсудить самые чувствительные вопросы: повлияет ли ИИ на рабочие места и обязанности, какие данные можно передавать системе, кто отвечает за ошибки, как будет оцениваться работа сотрудников и останется ли за человеком право принимать окончательное решение.
Для выявления опасений можно провести интервью или фокус-группы с представителями разных подразделений. Чем раньше компания поймёт реальные барьеры, тем проще будет адаптировать программу внедрения.
Учитывайте особенности разных команд
Сложнее всего вовлекать подразделения, связанные с высокой ответственностью, конфиденциальностью и жёстким регулированием. Например, юридические службы, бухгалтерию, подразделения информационной, экономической и физической безопасности. Их осторожность часто обусловлена объективными рисками, например возможными ошибками ИИ, утечкой данных, нарушением законодательства или невозможностью объяснить полученный результат.
Отдельная группа — сотрудники, привыкшие работать по устоявшимся процедурам и не видящие необходимости менять привычные инструменты. Возраст, должность или функция сами по себе не определяют отношение к ИИ. Гораздо важнее готовность человека учиться и качество поддержки со стороны компании.
Сначала определите задачи и стратегию внедрения
Одна из распространённых ошибок — сначала закупать ИИ-инструменты, а уже потом искать, где их применять. В таком случае сотрудники получают доступ к технологии, но не понимают, какую конкретную проблему она должна решить. До запуска проекта стоит определить приоритетные процессы, используемые технологии, бюджет, требования к безопасности и критерии эффективности.
Для каждого сценария полезно ответить как минимум на три вопроса:
- Какую задачу бизнеса должен решить ИИ? Например, сократить время на подготовку отчётов, ускорить обработку обращений или уменьшить объём ручной работы.
- Каким сотрудникам технология будет полезна в первую очередь? Обычно лучше начинать с конкретных функций и ролей, а не со всей компании.
- Что изменится в работе человека? Какие операции возьмёт на себя ИИ, где потребуется проверка результата и какие новые навыки понадобятся.
Чем точнее технология связана с конкретными процессами, тем проще объяснить сотрудникам её ценность и впоследствии измерить эффект.
Объясните сотрудникам, зачем компания внедряет ИИ
Первое сообщение о масштабном внедрении должно исходить от высшего руководства: генерального директора, членов правления или руководителей ключевых функций. Это показывает, что ИИ является частью стратегии компании, а не локальным экспериментом.
В коммуникации важно обозначить цели проекта, ожидаемые результаты, сроки, принципы работы с персоналом и ответственных за изменения.
После общей встречи полезно проводить отдельные сессии с подразделениями, которых внедрение коснётся первыми. В них могут участвовать руководители функций, проектная команда и внутренние амбассадоры ИИ.
Говорить лучше не о технологии вообще, а о конкретной работе: например, что ИИ поможет быстрее подготовить первый вариант документа, найти информацию или обработать типовые обращения.
Объявлять о масштабном внедрении до того, как компания сама ответила на основные практические вопросы, не стоит. Иначе коммуникация скорее усилит неопределённость.
Не замалчивайте возможное изменение ролей
Если ИИ может изменить содержание отдельных профессий или функций, это лучше обсуждать открыто. Недостаток информации быстро заполняется слухами, которые способны вызвать больше тревоги, чем честный разговор.
Коммуникацию стоит строить не вокруг увольнений, а вокруг трансформации работы. ИИ может автоматизировать отдельные операции, но это не всегда означает исчезновение всей профессии. У сотрудника может высвободиться время для аналитики, работы с клиентами, контроля качества и принятия решений.
Если требования к ролям меняются, компании важно предлагать программы переподготовки и понятные варианты профессионального развития. Умение понимать возможности и ограничения ИИ, ставить ему задачи и проверять результат постепенно становится частью базовой рабочей грамотности.
Начинайте с нескольких управляемых сценариев
Внедрять ИИ сразу во всей компании сложнее и рискованнее, чем начинать с пилотов. Для первого этапа лучше выбирать процессы, где много повторяющихся операций и можно быстро оценить эффект. Например, ИИ можно протестировать при подготовке типовых ответов в поддержке, создании черновиков текстов, анализе документов или поиске информации.
Пилот позволяет проверить не только технологию, но и реакцию людей: действительно ли ИИ экономит время, насколько качественный результат он даёт, какие навыки нужны сотрудникам и удобно ли решение встроено в процесс.
Кроме того, появляются первые внутренние кейсы. Для сотрудников пример коллеги, который с помощью ИИ сократил время на конкретную задачу без потери качества, обычно убедительнее презентации о преимуществах технологии.
Обучайте конкретным рабочим сценариям
Одного вводного вебинара о возможностях генеративного ИИ недостаточно. Обучение должно быть практическим, ролевым и непрерывным. На базовом уровне сотрудникам нужно объяснить возможности и ограничения технологии, требования информационной безопасности, правила работы с данными и способы проверки результатов.
Далее нужны функциональные модули для конкретных подразделений. Для маркетинга это могут быть подготовка черновиков и поиск идей, для продаж — структурирование информации, для юристов — первичный анализ документов, для HR — работа с типовыми материалами.
После обучения полезно предоставить библиотеку проверенных сценариев и запросов, инструкции, примеры качественных результатов, тестовую среду и канал поддержки. Хорошо работают практикумы на реальных, но обезличенных задачах, наставничество и обмен успешными кейсами между командами.
Оценивать обучение лучше по рабочим показателям: скорости выполнения задач, качеству результата, количеству исправлений и фактическому использованию одобренных сценариев.
Назначьте внутренних амбассадоров ИИ
После запуска у сотрудников неизбежно возникнут вопросы, которые невозможно предусмотреть заранее. Если обратиться за помощью не к кому, часть команды просто перестанет пользоваться инструментом.
Поэтому полезно сформировать сеть внутренних амбассадоров ИИ. Это могут быть сотрудники, которые раньше других тестируют новые сценарии, помогают коллегам и собирают обратную связь.
Особенно важно привлекать представителей самих подразделений, а не только ИТ-специалистов. Чем ближе такие сотрудники находятся к повседневной работе команды, тем точнее компания сможет увидеть реальные риски и адаптировать сценарии внедрения.
Установите понятные правила использования ИИ
До запуска у компании должна появиться политика работы с ИИ. В ней стоит определить:
- какие инструменты разрешены;
- какие данные можно и нельзя передавать ИИ-системам;
- для каких задач обязательна проверка человеком;
- кто отвечает за итоговый результат;
- как соблюдаются требования конфиденциальности, авторского права и законодательства;
- как фиксируются ошибки и инциденты;
- когда об использовании ИИ нужно сообщать клиенту или контрагенту.
Особенно важно запретить передачу коммерческой тайны, персональных и других чувствительных данных в неутверждённые публичные сервисы. Сотрудникам нужны понятные примеры разрешённого и недопустимого использования, а также простой механизм согласования новых сценариев.
Не оценивайте эффективность ИИ только по скорости
Если ИИ сокращает время выполнения задачи, но увеличивает число ошибок и последующих исправлений, экономический эффект может оказаться отрицательным. Поэтому результаты до и после внедрения нужно сравнивать сразу по нескольким параметрам: скорости, качеству, количеству доработок и фактическим затратам сотрудников.
Если качество снижается, сначала стоит определить причину. Это может быть неподходящий инструмент, некорректная постановка задачи, отсутствие обучения, слабая проверка результата или неверно выбранный процесс для автоматизации.
На критически важных этапах полезен принцип human-in-the-loop, то есть ИИ подготавливает материал или рекомендацию, но итоговое решение принимает человек. Для типовых задач можно использовать шаблоны запросов, контрольные списки, эталонные примеры и измеримые критерии качества.
Собирайте обратную связь
Даже хорошо подготовленный сценарий редко работает идеально с первого раза. Поэтому после запуска важно регулярно выяснять, где ИИ экономит время, где создаёт дополнительную работу, каких навыков сотрудникам не хватает и с какими ошибками они сталкиваются.
Обратная связь помогает корректировать обучение, правила и сами сценарии. Поддержка после запуска не менее важна, чем первоначальное обучение: если сотрудники остаются один на один с инструментом, даже перспективные решения могут перестать использоваться.
Оценивать стоит не частоту использования ИИ, а результат. Если сотрудник постоянно обращается к нейросети, но качество и скорость его работы не меняются, сам по себе этот показатель мало говорит об успешности внедрения.
Как понять, что команда готова к работе с ИИ
Готовность команды определяется тем, что ИИ встроился в рабочие процессы и помогает получать измеримый результат. Сотрудники понимают, для каких задач применять технологию, знают её ограничения, умеют проверять ответы, соблюдают правила безопасности и не боятся предлагать новые сценарии. Руководители оценивают не сам факт использования ИИ, а его влияние на скорость, качество и экономику процессов. На этом этапе ИИ перестаёт быть отдельной инициативой сверху и становится обычным рабочим инструментом компании.
Источник: Глеб Кузьмин, руководитель отдела по развитию профессиональных ИИ сервисов в Яндексе, эксперт программы Центра непрерывного образования ФКН НИУ ВШЭ «ИИ-лидеры: бизнес-лаборатория для руководителей»
