Искусственный интеллект разгружает специалистов. По данным глобального исследования 2026 года BCG, 42% рядовых сотрудников, регулярно использующих нейросети, экономят не меньше 8 часов в неделю — полноценный рабочий день. Вот только большинство компаний пока не научились превращать это время в измеримую ценность: эксперты прямо называют разрыв между личной продуктивностью и изменением операционной модели одной из ключевых проблем внедрения.
На этом фоне кажется закономерной идея сократить команду. Половину операций выполняет машина — а раз так, то зачем держать такое количество людей?
С Алексеем Феофановым, директором по развитию бизнеса Umbrella IT, разбираемся, почему такая арифметика работает не всегда, какие функции нельзя потерять вместе с должностями и что считать до сокращений.
Автоматизировать операцию — не значит автоматизировать результат
Представим сервисный отдел, который готовит материалы для продаж. Раньше сотрудник собирал документ вручную, а теперь ИИ делает это за несколько минут — и с точки зрения процесса внедрение прекрасно, ведь операция стала быстрее и дешевле.
Но дальше выясняется, что раньше 10% материалов переводили сделку на следующий этап, а сейчас — только 3%. То есть формально машина все сделала: документ на руках, экономия времени очевидна, — вот только бизнесу при этом стало хуже. Здесь проходит первая граница автоматизации. У любой операции есть результат более высокого уровня, и составить грамотный документ — не то же самое, что помочь продажам.
Можно автоматизировать выполнение конкретной работы. Ответственность за ее качество и экономический результат — нельзя. У результата должен остаться владелец, который заметит, что вроде бы успешная автоматизация портит показатель, ради которого процесс вообще существовал.
Главное — не сохранить профессии, а не потерять способности
В связи с этим вопрос: «Какие должности нельзя заменить ИИ?» — нам не особо полезен. Состав команды может измениться радикально, и притом не один раз. Гораздо важнее понять, какие способности бизнес не имеет права потерять вместе с людьми. Здесь можно выделить:
- Владение экономическим результатом. Кто-то должен понимать, зачем существует процесс, смотреть на его показатели и принимать решение: продолжать, менять, масштабировать или останавливать.
- Постановку задач и требований. Повторяющуюся последовательность действий можно автоматизировать почти полностью. Сложнее определить саму цель: что именно нужно сделать, какой информации не хватает и достаточно ли уже собранного контекста, чтобы двигаться дальше. В меняющейся среде эту часть приходится постоянно пересобирать.
- Работу с исключениями. Рано или поздно в любом процессе возникает ситуация, которой раньше не было. Если ее не опишешь правилами заранее, решение снова принимает человек.
- Отношения и лидерство. Доверие, способность людей договориться между собой, получить неочевидную информацию или убедить команду в необходимости достичь сложной цели тоже влияют на бизнес-результат, хотя и плохо укладываются в формальные инструкции.
Gartner в этом году отдельно предупреждал о своеобразном «цунами исключений»: агенты берут на себя стандартные операции, но нерешенная сложность систематически ложится на плечи сотрудников. Поэтому компании заново определяют, кто выносит вердикт в нетиповых сценариях и за какие случаи отвечает команда.
Иногда тревожность — полезный корпоративный датчик
У специалиста есть еще одна особенность, которую редко учитывают в дискуссиях об автоматизации: ему не все равно.
Сотрудник боится совершить ошибку, потерять клиента или сорвать проект — и периодически смотрит за пределы инструкции. Если коллега почему-то ведет себя иначе, возможно, результат стоит перепроверить. Если заказчик резко сменил интонацию в разговоре, самое время сделать шаг назад и не давить.
Формально процесс может выглядеть как обычно. Но, когда мучает ощущение: «Что-то тут не так», — человек останавливается и разбирается. Здесь важны личная ответственность, профессиональная вовлеченность и умение подмечать то, что еще не попало в метрики.
У ИИ нет цены личной ошибки. Он может учитывать вероятность риска, но сам за квартальный результат переживать не будет. В этом смысле наша тревожность работает как дополнительный датчик и заставляет время от времени задавать себе полезный вопрос: «Не ерунду ли я, случаем, делаю?»
Чем больше неопределенности, тем сложнее исключить человека
Есть роли, для которых в принципе сложно написать исчерпывающую инструкцию. Пока компания опишет все правила, рынок, бизнес, да и сам клиент успеют измениться. Если работа напрямую зависит от постоянно меняющегося контекста, очередная попытка заранее алгоритмизировать каждый шаг ни к чему не приведет.
Условно работу стоит разделить на три зоны:
- Полная автоматизация. Сюда входят сбор данных, стандартные проверки, типовые документы, уведомления и другие операции с понятными правилами.
- ИИ вместе с человеком. В этой зоне — аналитика, подготовка решений, стратегия и неоднозначные случаи, где технология делает значительную часть работы. В пределах заданных границ решение может принимать система — человек же владеет результатом, правилами и исключениями с высокой ценой ошибки.
- Человек остается владельцем. Здесь — экономический результат, новые задачи, исключения с высокой ценой ошибки, отношения, лидерство и решения в условиях постоянной неопределенности.
Отношения здесь особенно показательны. В работе с клиентом доверие иногда дает информацию, которой нет ни в CRM, ни в базе знаний: собеседник может рассказать одному менеджеру то, чем не поделится с другим. То же происходит внутри команды. Руководитель замечает напряжение, помогает сторонам договориться или своим отношением к проекту меняет настрой остальных. Формализовать такие действия трудно, хотя на итог они влияют напрямую.
Чем стабильнее процесс и меньше вариантов развития ситуации, тем больше работы можно безопасно передать агентам. Управленческие уровни из-за этого могут становиться тоньше: если руководитель в основном распределял задачи и контролировал их выполнение, часть этой функции легко автоматизировать.
Однако сама управленческая работа не растворяется без следа. Она смещается к проектированию процессов, установлению границ автономности, развитию людей и изменению правил, когда меняется среда.
Сокращение нагрузки на 60% — еще не экономия 60%
Внедрение не сводит к нулю человеческую нагрузку. Кто-то проверяет результат, разбирает исключения, исправляет ошибки и следит, чтобы система продолжала работать. А иногда возникает любопытный парадокс: ИИ быстро выполняет первую часть задачи, после чего специалист тратит столько времени на проверку и переделку, что быстрее было бы сделать все вручную.
К этому добавляется и стоимость самой системы: модели и токены, серверы, интеграции, мониторинг, сопровождение, сотрудники для эксплуатации и разбор инцидентов. Так что распространенная и приземленная проблема — в том, что автоматизированный процесс тоже стоит денег.
Кроме того, любая машина может выйти из строя — и стоит подумать, что произойдет, если ИИ не будет работать ближайший час. А если день или даже неделю? Есть ли для таких случаев ручной сценарий или другой сервис? Это значит, что к стоимости необходимо прибавить и цену отказа.
Когда число людей правда можно сокращать
Сокращение команды имеет смысл обсуждать не в день успешного демо. До этого компании стоит пройти несколько проверок:
- зафиксировать исходную стоимость, скорость, качество и SLA процесса, чтобы было с чем сравнивать;
- провести автоматизацию через несколько реальных циклов;
- измерить остаточную человеческую нагрузку;
- посчитать полную стоимость владения — модели, инфраструктуру, интеграции, мониторинг, поддержку и разбор инцидентов;
- назначить владельца экономического результата, который отвечает за итог процесса;
- проверить сценарий отказа;
- заранее решить, на что пойдет освободившееся время. Если у него нет назначения, нет и бизнес-эффекта.
Если раньше сотрудник 8 часов выполнял работу, а теперь 4 за него делает ИИ, экономического эффекта еще нет. Компания потратилась на автоматизацию и модели, но оставшиеся часы не начали приносить дополнительную пользу.
Свободное время нужно заранее направить на больший объем операций, дополнительные продажи, новые продукты, сложные задачи или реальное сокращение затрат. Когда нет нового назначения, выигрыш существует лишь в отчете о производительности.
Скорость должна оставаться управляемой
Искусственный интеллект позволяет компаниям двигаться быстрее — однако безопасная скорость определяется не тем, насколько мощный у вас двигатель. За рулем всегда можно разогнаться сильнее разрешенного. Но получится ли в таком случае вовремя увидеть поворот и сохранить управление?
С автоматизацией работает тот же принцип: двигаться можно с той скоростью, с какой компания способна ориентироваться.
Если ИИ увеличивает объем решений быстрее, чем люди замечают отклонения и корректируют процесс, выигрыш в производительности постепенно превращается в управленческий риск. А потому «меньше людей» — еще не показатель успешного внедрения. Хорошая автоматизация сохраняет экономический результат, снижает стоимость процесса и оставляет понятного владельца на случай, если сценарий вдруг перестанет работать.
Передать цифровому помощнику операцию можно и нужно. Нельзя сказать: «Виноват агент».
Источник: Алексей Феофанов, директор по развитию бизнеса Umbrella IT
