Скопировать ссылку
Еще два-три года назад главный вопрос звучал так: «Нужно ли внедрять искусственный интеллект в работу компании?». Сегодня он неактуален. Большинство организаций уже дали сотрудникам доступ к ChatGPT, Claude, Gemini и десяткам специализированных сервисов. Вместе с этим появился новый парадокс: нейросетями пользуются почти все, а заметный рост эффективности получают единицы.
Компании внедряют технологии, но не выстраивают культуру работы с ними.
Конкурентное преимущество дает уже не подписка на современную языковую модель, а то, насколько сотрудники умеют использовать ИИ ответственно и в интересах бизнеса.
Почему доступ к GPT есть у всех, а результаты — только у единиц
На практике проблема редко в самой модели. Она в человеке.
Я регулярно наблюдаю одну и ту же картину. Сотрудники получают доступ к ИИ и начинают использовать его для любой задачи. Критическое мышление при этом уступает место безусловному доверию ответам нейросети.
Самые распространенные ошибки выглядят одинаково:
- отсутствие контекста в запросе;
- попытка решить сложную задачу одним сообщением;
- копирование ответа без проверки;
- использование GPT вместо собственной аналитики;
- вера в то, что красиво (правдоподобно) написанный текст автоматически является правильным.
Последняя ошибка опаснее остальных. Современные модели пишут убедительно, но убедительный текст еще не означает, что выводы соответствуют конкретной бизнес-ситуации.
Если у человека нет собственной экспертной базы, он зачастую не способен отличить качественный анализ от правдоподобной, но ошибочной аргументации.
Поэтому главный риск работы с ИИ сегодня не в галлюцинациях модели, а в том, что пользователь перестает их замечать.
Нейро-культура начинается не с технологий, а с правил
На мой взгляд, нейро-культура — это не культура использования нейросетей. Это система договоренностей внутри компании, при которой искусственный интеллект ускоряет принятие решений, но не снимает ответственность с человека.
В нашей команде постепенно сформировались три правила, которые я называю «нейро-стоп-словами».
Первое — «Дай контекст». Большинство сотрудников воспринимают нейросеть как готового эксперта. На практике она гораздо больше напоминает нового сотрудника. Новичку невозможно сказать: «Сделай отчет» — и ожидать идеального результата. Ему объясняют цель, показывают шаблоны, рассказывают особенности проекта и ожидаемый формат работы. С ИИ то же самое.
Разница между запросами «Сделай отчет» и «Сделай отчет по шаблону компании, проанализируй снижение KPI, предложи три гипотезы причин и выдели риски» — это не разница в качестве текста, а разница между бесполезным документом и рабочим инструментом для принятия решений.
Второе — «Покажи разницу». Любой результат, созданный нейросетью, должен отвечать на простой вопрос: что стало лучше по сравнению со вчерашним днем? Если ИИ переписал уже известную информацию красивыми словами, бизнес не получил ценности. Польза начинается там, где модель помогает обнаружить закономерности, сформулировать гипотезы, найти отклонения в данных или ускорить проверку идей.
Третье — «Сократи до сути». Почти любая языковая модель умеет написать десять страниц текста. Но руководителю редко нужны десять страниц. Ему нужны три вывода и два решения. Поэтому один из важнейших навыков современной команды — умение превращать большой ИИ-черновик в короткий документ, где осталась только полезная информация.
Нейро-привычки важнее курсов по промпт-инжинирингу
Я не считаю, что каждому сотруднику необходимо проходить десятки курсов по промпт-инжинирингу. Базовое понимание принципов работы с ИИ нужно, но культура формируется не на обучении, а в ежедневной практике.
Эффективнее внедрять небольшие привычки, которые постепенно становятся частью рабочего процесса.
Например, перед каждым созвоном автоматически запускать запись встречи, а после нее получать готовый черновик протокола с ключевыми тезисами и задачами. Или использовать нейросеть как второго пилота при подготовке аналитических материалов: сначала получить структурированный черновик, затем дополнить его собственной экспертизой.
Еще одна полезная привычка — короткая рефлексия с ИИ после завершения проекта или рабочей недели. Если не хватает идей или сложно сформулировать выводы, нейросеть помогает собрать первый черновик, увидеть возможные направления развития или задать вопросы, которые человек мог упустить. Это не готовое решение, а фундамент, на котором уже строится полноценная аналитика.
И, пожалуй, самая важная привычка, тут повторюсь, — перепроверять результаты. Чем умнее становятся модели, тем выше должна быть дисциплина проверки их ответов.
Что изменилось в нашей работе
В аналитике мы давно перестали использовать ИИ как генератор красивых текстов. Он встроен в сам процесс обработки данных.
Система собирает источники, Python-скрипты обрабатывают массивы информации, собственные шаблоны задают структуру будущего документа, после чего нейросеть готовит аналитический черновик. Финальные выводы всегда делает человек.
Экспертность не исчезла — наоборот, она усилилась. Аналитик перестал тратить часы на перенос информации между таблицами и начал заниматься тем, ради чего его и нанимали: анализировать, искать закономерности и принимать решения.
Показательный пример — ежедневная отчетность. Раньше подготовка одного отчета занимала в среднем три-четыре часа. Сегодня автоматизированная система формирует основу документа за 15–20 секунд, после чего специалист тратит около получаса на проверку, корректировку выводов и финальную редактуру.
Для бизнеса это означает не только ускорение процессов, но и измеримую экономию ресурсов. В отдельных случаях это позволяет отказаться от расширения смен или перераспределить сотрудников на задачи, где человеческая экспертиза незаменима.
На больших массивах данных нейросеть оказывается сильнее человека. Она быстрее замечает аномалии, выявляет отклонения и находит связи, которые легко пропустить при ручном анализе. Но последнее слово остается за человеком.
Ответственное использование ИИ — новая управленческая компетенция
Я убежден, что через несколько лет руководителя будут оценивать не только по тому, насколько эффективно он управляет людьми. Не менее важным станет умение выстраивать совместную работу человека и искусственного интеллекта.
Если бы завтра мне предстояло внедрять ИИ в новой компании, я бы начал с трех правил.
Во-первых, обучил бы сотрудников базовым принципам взаимодействия с нейросетями. Большинство проблем возникает не из-за качества моделей, а из-за неправильно поставленных задач.
Во-вторых, сделал бы критическое мышление обязательной частью любого процесса. Любой результат ИИ должен проходить проверку фактами, цифрами и экспертной оценкой.
В-третьих, ввел бы простое правило: прежде чем использовать нейросеть, нужно ответить на вопрос — нужна ли она здесь вообще?
Не каждая задача становится лучше благодаря ИИ. Иногда человек выполнит ее быстрее, дешевле и качественнее. Можно потратить несколько часов на попытки автоматизировать процесс, оформить подписки на новые сервисы и в итоге прийти к выводу, что задачу быстрее было решить самостоятельно.
Отдельный риск — руководитель, который увлекся сам. Он приходит утром на планерку: «Друзья, я три часа поработал с нейросетью, посмотрите, какой дашборд получился. Теперь от этого блока мне нужна вот такая информация, от этого — вот такая». Через день выясняется, что цифры не бьются. Почему именно — объяснить не может никто, включая автора. Но результат руководителя устраивает: он видит в нем решение и заодно дает команде понять, что справится и без нее.
В реальности это не работает. Дашборд, логику расчета которого никто не может проследить, добавляет ошибок вместо того, чтобы их убирать, а сотрудники получают задачи, построенные на непроверенных цифрах. Увлеченность без разбора — такое же отсутствие культуры, как и отказ от инструмента. Руководитель обязан уметь ответить, откуда взялась каждая цифра в его отчете, и требовать того же от команды.
Поэтому зрелая нейрокультура — это не стремление применять ИИ повсеместно, а умение понимать, где он приносит ценность.
Лидерство начинается с личного примера
До сих пор можно встретить мнение, что признание использования ИИ снижает профессиональную ценность специалиста. Я придерживаюсь противоположной позиции. Если инструмент помог ускорить процесс, повысить качество работы или автоматизировать рутинные операции, говорить об этом нужно открыто.
Когда коллеги и клиенты понимают, что процесс автоматизирован осознанно, а качество контролируется человеком и даже растет, уровень доверия только повышается. Люди видят не попытку заменить экспертизу технологией, а желание использовать современные инструменты с максимальной отдачей.
Более того, руководитель должен первым демонстрировать ответственное использование ИИ. Не скрывать автоматизацию, а объяснять, почему она появилась, какие задачи решает, сколько времени экономит и каким образом сохраняется качество результата. Так формируется культура, в которой технологии становятся помощником, а не источником новых рисков.
Главный KPI нейро-культуры
Мне кажется, сегодня компании измеряют не тот показатель. Сам по себе объем контента, созданного с помощью ИИ, ничего не означает.
Гораздо важнее оценивать плотность интеллектуального продукта — сколько решений, проверенных гипотез, аналитических выводов и реализованных инициатив приходится на одного сотрудника за неделю.
Если после внедрения ИИ сотрудники стали писать больше текста, но принимают столько же решений, культура не изменилась. Если выросло количество качественно проверенных гипотез и скорость принятия решений, технология начала работать на бизнес.
В этом и заключается ценность нейро-ориентированной культуры. Искусственный интеллект не должен увеличивать объем текста. Он должен увеличивать скорость появления качественных решений.
Поэтому главным человеческим навыком ближайших лет станет не умение пользоваться ChatGPT и не умение писать идеальные промпты. Самой дефицитной компетенцией останется интеллектуальная ответственность — способность задавать правильные вопросы, критически оценивать полученные ответы и отвечать за итоговый результат независимо от того, кто помог его сформулировать: человек или искусственный интеллект.
В конечном счете победят не те компании, которые раньше других купили доступ к самым современным моделям. Победят те, кто раньше остальных научился строить культуру совместной работы человека и искусственного интеллекта, где ИИ становится вторым пилотом, но никогда — автопилотом.
