Анастасия Зальцман, HR-директор MWS AI (входит в МТС Web Services), рассуждает, почему компании все ещё с недоверием относятся к искусственному интеллекту и как сделать правила его использования понятными, и обратить в выгоду для сотрудников.
На одной из прежних работ я занималась большим проектом по аудиту процессов управления командами, для которого нужно было проводить и обрабатывать много интервью. Тогда только появлялись пользовательские модели нейросетей, и я быстро поняла, что с ними получается работать гораздо быстрее.
Мне нравилось получать комплименты за скорость: я быстро справлялась с объёмом задач и оперативно выдавала результаты. О том, что мне что-то помогало, говорить не хотелось — заслуги и позитивную обратную связь приятно присваивать себе целиком.
Но дело было ещё и в том, что об этих инструментах никто вокруг не говорил. Коллеги не обсуждали опыт применения ИИ, и было непонятно, можно так делать или нет.
Позже оказалось, что так делают многие: используют ИИ, но не говорят об этом.
Несколько лет назад я выступала на мероприятии. Среди спикеров были руководители других компаний. Когда речь зашла об ИИ, ведущий спросил, как мы относимся к тому, что сотрудники им пользуются. Один из коллег ответил: строго отрицательно, потому что из-за него сотрудники «вконец обленятся и отупеют».
На мой взгляд, это иллюзия. Кто привык пользоваться критическим мышлением, продолжит делать это и с ИИ, а кто привык его делегировать, тоже себе не изменит. Но причина такого скепсиса, похоже, кроется в наших установках.
У нас по-прежнему сильно убеждение, что хорошее не может даваться легко. Результат можно получить только через страдания: надо попотеть, потрудиться. А если у кого-то получилось быстро и без надрыва, значит, это что-то несерьёзное.
Некоторые менеджеры до сих пор считают, что ИИ генерирует только мусор, использовать его ответы в работе — халтура, и такой результат ничего не стоит.
Эта установка работает и в обратную сторону. Некоторые сотрудники и сами думают, что пользоваться ИИ — значит жульничать. Если что-то облегчает мне работу, это признак моей слабости, и лучше никому об этом не говорить — вдруг уволят.
Бывает, спрашиваешь человека: «Как ты это сделал? Очень хорошо получилось!» — а он уклончиво: «Ну-у, так… Посидел, подумал, изучил рынок».
Так проявляется то, что я называю «ИИ-шеймингом» (осуждением и пристыжением). Многие ради удобства пользуются ИИ, но скрывают это как нечто постыдное, чтобы не показаться слабыми. А руководство напрямую не запрещает, но относится с подозрением.
В итоге возникают двойные стандарты: в компании нет прозрачных правил для всех. Как и я когда-то не знала, нормально ли пользоваться нейросетями для моих задач, так и тысячи других сотрудников работают в серой зоне, потому что у работодателей нет чёткого ответа на этот вопрос.
Правила могут быть мягкими или строгими — главное, чтобы они просто были. Потому что жить в неопределённости очень некомфортно.
Ещё один вопрос, на который работодатели пока не дали внятного ответа: зачем сотрудникам вообще пользоваться ИИ и какую личную выгоду получает человек.
На уровне бизнеса всё понятно — сокращение издержек, масштабирование, увеличение прибыли. Но зачем это сотруднику? Зачем делать в три раза больше или в десять раз быстрее? Фоном давно идут новости и обсуждения о том, кого заменит ИИ, кого уже заменил, какие компании отдали нейросетям и агентам целые направления и сократили штат. Поэтому зачем мне, сотруднику, помогать руководству сегодня, чтобы меня уволили завтра?
Очевидно, что сотрудники будут скрывать или саботировать использование ИИ, ведь работодатель не предложил никакого позитивного сценария. Вопрос, который стоит задать сегодня: какие возможности компания может предложить, чтобы мотивировать людей пользоваться ИИ.
Например, с ИИ можно работать эффективнее и перейти на четырёхдневку, чтобы больше времени проводить с семьёй. Или ИИ поможет сотрудникам нормализовать нагрузку, а руководство будет следить за тем, чтобы они работали в более ровном темпе.
Маловероятно, что бизнес сможет предложить всем сотрудникам существенно более высокие зарплаты, но можно пробовать разные стратегии и смотреть, что сработает. Например, сотрудник может создать себе ИИ-помощника, который значительно повысит его KPI, и получать премию с коэффициентом 1,5. Как минимум, это выглядит прозрачно и поощряет инициативу.
Наверное, однажды все компании так или иначе перейдут к использованию ИИ. Но от скорости этого перехода будет зависеть, станут ли они лидерами рынка или будут плестись в хвосте.
Кто-то по привычке будет внедрять ИИ насильно — и люди будут сопротивляться, делать всё исподтишка, затягивая процесс. Такая в компании культура — что поделать.
Интересно, что ИИ делает внутренние проблемы и противоречия компании более заметными. Он подсвечивает уже упомянутое отсутствие правил, заскорузлость процессов, слабую культуру и нетерпимость к ошибкам.
Во многих компаниях ещё стоят KPI на процесс, а не на результат. Сотрудники считают потраченные часы: много часов — хорошо, мало — плохо. А с ИИ они начнут списывать меньше часов, и это ломает всю систему оценки.
У нас всё ещё очень распространена культура наказания за ошибки. Руководство запрещает ошибаться, и люди, опасаясь критики, в принципе не экспериментируют, предлагают меньше идей, медленнее работают и меньше заинтересованы в труде.
В такой среде гораздо сложнее собрать сильную команду. Сложнее привлекать так называемых «А-плееров» (специалистов выше среднего, на которых равняется весь коллектив). Они избегают таких компаний, не задерживаются надолго — только за очень большие деньги. А без инноваций бизнес в конце концов теряет технологическое превосходство и прибыль.
Я работаю в ИИ-компании, и её руководство сразу решило: мы не можем ожидать трансформации от команды, если сами не пользуемся ИИ на хорошем уровне. Поэтому весь совет директоров начал учиться.
У нас очень энергичный директор по продуктам (CPO). Однажды после новогодних праздников он начал показывать свои эксперименты с нейросетями и ИИ-агентами. Он поговорил с каждым топ-менеджером и убедил всех собрать решение своими руками. Спрашивал, какие есть задачи, и объяснял, как их можно решить с помощью ИИ. Так я поняла, что могу за вечер сама собрать прототип решения, которое откладывала месяцами.
Затем мы развернули эксперимент на всю компанию — от технических специалистов до операционных команд. Важно, чтобы все сотрудники изначально строили процессы вокруг ИИ, а не добавляли его постфактум. Мы выдали доступы, оплатили инструменты и запустили обучение — не теоретическое, а на реальных задачах. Человек приходил со своим рабочим запросом и за время обучения собирал для себя инструмент.
Дальше мы попробовали формат наставнических пар: более опытные сотрудники помогают остальным, и все видят прогресс. Начали проводить регулярные демонстрационные встречи, на которых сотрудники показывают, кто что сделал — от рабочих решений до личных проектов. Сначала один сделал прототип, потом уже трое, шестеро, десять — и так далее.
Это стало возможным не потому, что людей отправили на курсы по ИИ. Условием было сразу начать практиковаться. Поощряются все попытки: за сырые прототипы, незначительные или даже смешные результаты никого не ругают. А когда получается что-то стоящее, обязательно хвалят за инициативу и поддерживают всей командой.
Люди активно включаются в процесс, потому что срабатывают простые мотиваторы: игровая среда и признание. Атмосфера игры даёт возможность подхватывать идеи друг у друга и безопасно пробовать без жёстких требований к результату. То же самое и с признанием: всем приятно получать похвалу.
ИИ-шейминг — не новый сценарий, скорее привычная реакция на новое. Сначала непонятно и угрожающе, затем настаёт этап скепсиса и обесценивания, потом — любопытства, а после — все пользуются каждый день, потому что удобно и снижает нагрузку. Похоже, что с ИИ будет так же. А пока это сигнал, что внутри компании нет понимания и договорённости, как работать с новым инструментом.