Правило 98% против 2% снова оказалось неприятно живучим: если верить подходу Эдвардса Деминга, почти весь результат компании определяется устройством системы, а не личным героизмом исполнителя. Для тех, кто отвечает за эффективность сотрудников, это плохая новость для любителей простых решений и хорошая новость для тех, кто устал чинить хаос новой лицензией на ИИ.
Именно к такому выводу подводит разбор, о котором сообщает Habr / Менеджмент: внедрение нейросетей, базы знаний и новых инструментов почти не дает эффекта, если в компании не пересобраны процессы, роли и логика принятия решений. В материале TEAMLY собраны мнения трех практиков: Антона Елисеева из Объединенной авиастроительной корпорации, Екатерины Баталиной из «Технологий Доверия» и Максима Чугунова, руководителя проектов по улучшениям в Gotek.
Общий тезис у них один: миф о «нерадивом сотруднике» удобен, но управленчески вреден. Руководитель видит симптоматику, знакомую почти любой IT-команде: задачи вязнут в согласованиях, ошибки всплывают повторно, сильные новички через несколько лет перестают что-либо улучшать и начинают просто поддерживать хрупкое равновесие. На этом месте легко решить, что проблема в найме, мотивации или недостаточной дисциплине. Эксперты спорят не с наличием слабых сотрудников как класса, а с тем, что именно на них удобно списывать системные сбои.
Самую жесткую формулировку дает Елисеев. По его логике, если организация изо дня в день заставляет людей компенсировать дыры в процессах, никакая мотивационная программа и никакой ИИ не превратят команду в машину точного исполнения. В отраслях, где цена ошибки высока, это особенно заметно: сотрудник не должен каждый раз импровизировать там, где можно заранее встроить проверку, шаблон, маршрут согласования или ограничение на неверное действие. Иначе компания платит за одно и то же дважды: сначала за сырой процесс, потом за ручное исправление его последствий.
Почему герои вредят масштабу
Второй важный тезис касается корпоративной любви к «звездам». Для менеджера это почти всегда привлекательный сюжет: есть люди, которые «вытягивают», «разруливают» и «держат на себе». Для бизнеса это дорогая зависимость от исключений. Хороший процесс, по мысли собеседников TEAMLY, отличается не тем, что им управляет особенно талантливый сотрудник, а тем, что даже неидеально обученный человек не может слишком легко сломать результат. В этом смысле зрелая операционная модель похожа не на спорткар для избранных, а на серийный автомобиль с нормальной системой безопасности.
Отсюда и довольно трезвый взгляд на производительность. Если после пересборки маршрутов, чек-листов, шаблонов и автоматизации один человек делает не пять операций, а десять без выгорания, это не чудо мотивации. Это эффект инженерии процесса. Для IT-аудитории здесь нет ничего экзотического: тот же принцип давно понятен в разработке. Команда, у которой есть воспроизводимый CI/CD, код-ревью, понятные критерии готовности и нормальная документация, стабильно выигрывает у команды, где все держится на нескольких «сеньорах-спасателях».
Баталина добавляет к этому жизненный цикл сотрудника внутри компании. По ее оценке, первые один-два года специалист обычно растет вместе с задачами, но через три-пять лет нередко упирается в систему, которую давно пора переделывать целиком. Если роли, компетенции, процессы и мотивация не пересматриваются, сильный человек постепенно превращается в дорогого оператора статус-кво. Это знакомая картина и для продуктовых команд, и для внутренних IT-служб: энергия уходит не на развитие, а на локальное тушение пожаров в давно устаревшей архитектуре управления.
ИИ усиливает сильных, но не чинит среду
На фоне ажиотажа вокруг больших языковых моделей особенно показателен блок про знания. Чугунов формулирует мысль без технооптимизма: идеальный сотрудник для бизнеса вообще тот, которого можно заменить роботом или нейросетью. Но пока компании работают не только с алгоритмами, ключевой вопрос не в том, знает ли модель больше джуна, а в том, кто отвечает за следующий шаг после первого черновика. LLM быстро выдают сильный стартовый результат, но не проживают накопленный опыт так, как это делает человек. Сотрудник учится медленнее, зато способен наращивать собственную траекторию: учитывать прошлые решения, ошибки, контекст и последствия.
Из этого следует неприятный для рынка труда вывод. В эпоху генеративного ИИ важен не столько текущий запас знаний, сколько способность учиться, проверять и принимать финальное решение на себя. Нейросеть хорошо усиливает компетентного специалиста и довольно быстро размывает навык у того, кто пытается использовать ее как костыль. Чтобы заметить галлюцинацию модели, нужно самому достаточно понимать предмет. Поэтому лозунг в духе «подключите ИИ, и команда станет эффективнее» работает примерно так же, как лозунг «дайте всем доступ к репозиторию, и продукт поедет быстрее». Без критериев качества, ясного процесса и понятной ответственности начинается не автоматизация, а дорогое имитирование бурной деятельности.
Отдельная боль — корпоративные базы знаний. Почти в каждой крупной компании они формально существуют, но слишком часто напоминают архив документов, куда материалы складывают на всякий случай и откуда почти ничего не извлекают в момент принятия решения. Елисеев прямо говорит: управлять нужно не каждой единицей знания, а средой, в которой знания циркулируют и доходят до сотрудника ровно тогда, когда они нужны. Не в виде 50-страничного файла, а в виде короткой применимой выжимки. Баталина описывает более прикладной слой: методология, кейсы, инструменты, карта компетенций и явное понимание, кто в компании что умеет. Без этого люди ищут экспертизу не по прозрачной системе, а по старой доброй адресной книге в мессенджере.
Есть и еще одна неудобная деталь: знания экспертов плохо извлекаются анкетами и формальными интервью. Если в компании есть «корифей», который принимает правильные решения почти интуитивно, лучший способ не потерять эту экспертизу — не опрашивать его раз в квартал, а вовремя посадить рядом ученика и встроить совместную работу в процесс. Для IT-бизнеса это звучит особенно актуально на фоне стареющих команд, дефицита людей с глубоким доменным опытом и постоянных попыток превратить tacit knowledge в очередной портал с папками.
Главный вывод для русскоязычного IT-рынка довольно приземленный. Эффективность сотрудников не покупается подпиской на модный сервис и не рождается из призывов «работать проактивнее». Она появляется там, где менеджмент умеет пересобирать операционную модель, снижать зависимость от героизма, делать знания доступными в нужный момент и использовать ИИ как слой усиления, а не как пластырь на дырявую систему. Вопрос уже не в том, внедрять ли нейросети, а в том, хватит ли у компаний дисциплины признать: проблема часто не в людях, а в конструкции, в которую этих людей посадили.