ИИ размывает роли: когда один человек делает работу трёх

Я внедряю ИИ в компаниях и вижу одну и ту же картину почти в каждой второй. Приходишь к клиенту обсуждать «внедрение», а внедрение уже случилось само — без тебя, без бюджета и без правил. Менеджер по продажам считает конверсию через чат-бота. Администратор рисует баннеры. Собственник проверяет договоры. Никто это не согласовывал, никто не писал инструкций. Просто у людей появился инструмент, который отвечает на любой вопрос, и они начали задавать вопросы за пределами своей должности.

Долгое время это было наблюдением из практики — таким, которое сложно доказать. Теперь у него есть цифры.

Что показало исследование

OpenAI проанализировала 800 тысяч запросов к ChatGPT и попыталась ответить на простой вопрос: люди используют модель внутри своей профессии или выходят за её пределы? Для классификации взяли американскую базу профессий O*NET — это большой справочник, где для каждой специальности расписаны типовые задачи и требуемые навыки. То есть сравнение шло не «на глаз», а по формальному перечню: относится ли конкретный запрос к работе, которую человек по своей роли и так должен делать.

Результат: в 43,5% случаев пользователи делегируют модели задачи вне своей основной специальности. Почти половина обращений — это работа не по профилю.

Чаще всего пересечение затрагивает инженерию и маркетинг. Сотрудники непрофильных отделов анализируют данные, ревьюят контракты, ищут баги в коде. Человек, у которого в трудовом договоре нет ни слова про аналитику, садится и разбирает выгрузку. Человек без юридического образования читает договор и просит объяснить, что означает пункт про односторонний отказ. Человек, никогда не писавший код, ищет причину, по которой отчёт выгружается с ошибкой.

И вот деталь, которая для меня делает всю цифру весомее. Из выборки исключили генерацию текстов, саммаризацию и планирование. То есть 43,5% — это не «попросил написать письмо клиенту» и не «сделай мне краткое содержание этой встречи». Самые массовые, самые безобидные и самые очевидные сценарии из подсчёта убрали. Осталось то, что можно назвать содержательной рабочей задачей: разобраться, посчитать, проверить, найти причину, принять решение на основе данных.

Если бы в выборке остались черновики писем, цифру можно было бы объяснить просто: все пишут тексты, тексты не привязаны к профессии, вот и результат. Но письма убрали — а почти половина всё равно осталась за границами специальности. Это уже не про удобство формулировок. Это про то, что люди начали брать на себя чужую экспертизу.

И ещё один вывод из исследования, который прямо касается моей работы: эффект наиболее заметен в небольших компаниях без выделенных команд узких специалистов. Именно там границы профессий размываются быстрее всего.

Почему это про малый бизнес

Логика тут прозрачная. В корпорации на каждую задачу есть человек. Нужен разбор договора — идёшь в юридический отдел. Нужна выгрузка и расчёт — есть аналитик. Нужен баннер — есть дизайнер. Нужно поправить скрипт — есть разработчик. Сотрудник маркетинга не лезет в договоры, потому что для этого есть отдельная функция, и лезть в неё как минимум неприлично, а как максимум запрещено процессом.

В компании на пять, десять, пятнадцать человек этих функций нет. Совсем. И раньше задача, которая не попадала ни в чьи компетенции, шла по одному из трёх сценариев.

Первый: она не делалась вообще. Висела в списке «надо бы» месяцами, потом теряла актуальность. Второй: уходила на аутсорс за деньги — и это часто было экономически бессмысленно, потому что подрядчик не станет из-за одной правки в таблице заводить договор и выставлять счёт на смешную сумму. Третий: делалась плохо. Как получится, на глазок, без понимания.

Теперь появился четвёртый вариант: владелец или менеджер закрывает её сам с ИИ. Вот узнаваемые ситуации, которые я вижу постоянно:

• Собственник сам смотрит договор перед подписанием. Не вместо юриста, а потому что юриста нет, а подписывать надо сегодня. Просит объяснить непонятные формулировки и найти пункты, которые невыгодны.
• Менеджер по продажам сам собирает выгрузку из CRM и считает конверсию по этапам. Раньше он просто говорил «ну, продажи вроде идут» и ждал, пока кто-нибудь посчитает.
• Бухгалтер сам правит формулу в таблице, которую когда-то настроил ушедший сотрудник, и никто с тех пор её не трогал, потому что боялся сломать.
• Администратор сам делает баннер для акции — потому что акция начинается в пятницу, а дизайнер на фрилансе ответит в понедельник.

Ни один из этих людей не стал юристом, аналитиком, разработчиком или дизайнером. Но задача закрылась. И это принципиально новая ситуация для малого бизнеса — раньше такого выбора просто не было.

Что это реально даёт

Начну с честного: пользы тут действительно много, и я не собираюсь её преуменьшать ради драматизма.

Задачи перестают висеть. В любой небольшой компании есть список дел, которые никто не делает годами. Разобраться с дублями в базе клиентов. Понять, почему один канал привлечения дороже другого. Привести в порядок шаблон договора. Раньше такое требовало либо чужого времени, либо денег, и поэтому откладывалось бесконечно. Сейчас часть этих задач закрывается за вечер.

Экономия на мелком аутсорсе. Речь не про замену подрядчиков, а именно про мелочи: правка одной страницы, разовый расчёт, приведение таблицы к нормальному виду, проверка текста на ошибки. Это те работы, где стоимость согласования и оформления сопоставима со стоимостью самой работы. Их логично забирать внутрь.

Скорость. Не надо ждать подрядчика, который ответит через день, а сделает через три. Когда решение нужно принять на этой неделе, разница между «сегодня» и «через три дня» иногда важнее, чем разница в качестве.

Люди перестают бояться незнакомых задач. Это неочевидная, но, пожалуй, самая ценная часть. Раньше сотрудник, увидев непонятный отчёт или незнакомый интерфейс, отступал: не моё, не разберусь. Теперь у него есть с кем разобраться. Порог входа в новую тему упал очень сильно, и это меняет поведение — люди пробуют вместо того, чтобы отказываться.

Всё это правда. И именно поэтому дальше нужен раздел, который многие пропускают.

Где начинаются грабли

Я видел достаточно случаев, когда «сотрудник сам справился с ИИ» заканчивалось дороже, чем если бы задачу отдали специалисту. Разберу конкретно.

Человек не понимает, что получил. Это корневая проблема, из которой растут все остальные. Модель выдаёт уверенный, связный, грамотно оформленный ответ. Непрофильный сотрудник физически не может отличить правильный ответ от правдоподобного — у него нет базы для сравнения. Юридический вывод, который «звучит нормально», может стоить очень дорого. Формулировка про ответственность сторон читается гладко, а на деле означает, что все риски на вас.

Нет проверки. Профессионал знает, где его инструмент врёт. Юрист автоматически перепроверяет ссылку на норму. Разработчик знает, что сгенерированный код надо прогнать и посмотреть на краевые случаи. Аналитик чувствует, когда цифра не бьётся с реальностью. У новичка этого рефлекса нет: он получил ответ и пошёл дальше.

Утечка данных. Самая частая проблема, которую я вижу на входе в проект. Сотрудник загружает договор, базу клиентов, финансовые выгрузки в облачный сервис через личный аккаунт, потому что так удобнее. Никто не запрещал, значит можно. Про то, как выстроить это по-человечески, я подробно писал в материале как дать сотрудникам ИИ и не слить данные — если у вас в компании ИИ уже используют, а правил ещё нет, начинать стоит именно оттуда.

Ответственность размывается. Вопрос, на который в большинстве компаний нет ответа: если баннер сделал администратор с ИИ и в нём ошибка в цене — кто отвечает? Администратор скажет, что он не дизайнер и вообще выручал. Руководитель скажет, что не поручал. Формально задачу не ставили никому. А по акции люди уже пришли с ожиданием другой цены. Чем шире размывание роли, тем чаще возникают такие серые зоны.

Иллюзия компетентности. Один удачный результат создаёт ощущение, что теперь можно всё. Человек разобрался с формулой в таблице, получил рабочий результат — и через неделю берётся за расчёт налоговой нагрузки. Или за инструкцию по охране труда. Или за политику обработки персональных данных. То есть за области, где ошибка критична, а последствия наступают не сразу и не для того, кто ошибся. Это самая опасная динамика из всех перечисленных, потому что она не выглядит как проблема — она выглядит как рост.

Технический долг. Отдельная история с кодом. Скрипт, написанный ИИ и не понятый автором, работает — пока не перестаёт. Через полгода сотрудник ушёл или забыл, что там происходит, а поддерживать это невозможно: чтобы поправить, надо сначала разобраться с нуля. Иногда дешевле выбросить и переписать. То же касается настроек, автоматизаций и таблиц, которые никто не документировал.

Как использовать осознанно

Вывод из всего вышесказанного — не «запретить», а «разграничить». Размывание роли полезно там, где цена ошибки низкая, и опасно там, где высокая. Я обычно предлагаю компаниям простую трёхуровневую разметку задач.

Дальше три вещи, без которых разметка останется красивой картинкой.

Письменный регламент. Короткий, на одну-две страницы: какие сервисы разрешены, что нельзя загружать никогда, какие задачи к какому уровню относятся, кто проверяет результат перед отправкой клиенту. Без письменного документа каждый сотрудник будет действовать по своему представлению о разумном, и представления эти разойдутся сильнее, чем вы ожидаете.

Обучение не «как промптить», а «как проверять». Это главное расхождение между тем, что компании покупают, и тем, что им нужно. Промпты люди осваивают сами за неделю. Навык, которого нет и который сам не появляется — умение усомниться в уверенном ответе, найти способ его перепроверить, распознать ситуацию «здесь я вышел за пределы своей компетенции и пора звать специалиста». Учить нужно именно этому.

Корпоративный доступ вместо личных аккаунтов. Пока сотрудники работают через свои личные подписки, вы не знаете ни что уходит наружу, ни на каких условиях это хранится, и теряете доступ ко всем наработкам, когда человек уходит. Корпоративный тариф решает и вопрос контроля, и вопрос настроек хранения данных.

Чем это не является

Эту часть я проговариваю на каждом внедрении, потому что выводы из красивой статистики делают быстро и неправильно.

Это не повод не нанимать специалистов. Цифра 43,5% говорит о том, что люди берутся за чужие задачи, а не о том, что они делают их хорошо. Исследование измеряло факт выхода за границы профессии, а не качество результата. Это разные вещи, и путать их дорого.

Это не замена профессии. Размывание границ не отменяет глубину. Менеджер, который разобрал выгрузку и посчитал конверсию, не стал аналитиком — он закрыл одну задачу уровня «понять, что происходит». Аналитик отличается тем, что задаёт правильный вопрос к данным, замечает, что цифра невозможна, и знает, где выборка врёт. Этому нельзя научиться за один вечер с чат-ботом.

Это не признак того, что можно уволить дизайнера. Баннер к пятничной акции и визуальная система бренда — задачи разного порядка. Первую администратор закроет. Вторую нет, и попытка закрыть её тем же способом обычно видна невооружённым глазом.

Аналогия, которая мне кажется точной: калькулятор не отменил бухгалтеров, а Excel не отменил аналитиков. Изменился уровень задач, за которые платят. Никто больше не платит за сложение столбика цифр и за построение графика вручную — платят за то, что человек понимает, какие цифры складывать и что означает получившийся график. С ИИ происходит то же самое: дешёвая часть работы обесценивается, дорогая остаётся дорогой.

Если хотите посмотреть на эту тему шире, у меня есть разбор мифов об ИИ для бизнеса — там как раз про завышенные ожидания и про то, откуда они берутся. А о том, как меняется структура занятости и какие роли появляются вместо исчезающих, я писал в материале про новые профессии эпохи ИИ.

И скажу прямо: там, где ошибка стоит дорого, специалист нужен по-прежнему. Не потому что ИИ плохой, а потому что кроме результата нужен кто-то, кто за этот результат отвечает.

Частые вопросы

Значит ли это, что можно сократить штат?
Нет, и это самый частый неверный вывод. Исследование показало, что люди берут на себя чужие задачи, а не что они выполняют их на уровне специалиста. Реалистичный эффект другой: сотрудники закрывают мелочи, которые раньше висели или уходили на аутсорс. Освобождается не должность, а время — и разумнее вложить его в работу, которую до этого не успевали делать.

Как понять, что сотрудник переоценил свои силы с ИИ?
Главный признак — он не может объяснить своими словами, почему результат правильный. Спросите: откуда эта цифра, что будет, если условие изменится, где ты это проверил. Если в ответ звучит «так выдало» или пересказ формулировки из ответа модели — человек несёт результат, за который не может отвечать. Второй признак: задача внезапно стала занимать в разы меньше времени, чем раньше, при том же объёме.

Нужен ли регламент в компании на 7 человек?
Да, и именно в такой компании он даёт больше всего пользы. Как раз в небольших командах эффект размывания ролей сильнее — там нет узких специалистов, и каждый уже делает что-то не по профилю. При этом регламент на семь человек — это не том на сорок страниц, а одна страница: разрешённые сервисы, что не загружать никогда, кто проверяет результат перед отправкой наружу. Полчаса работы, которые снимают большую часть рисков.

Что нельзя доверять ИИ ни при каких условиях?
Всё, где решение принимает лицо с квалификацией и ответственностью: налоги и отчётность, юридические выводы с последствиями, обработка персональных данных, вопросы безопасности, охрана труда, медицинские и лицензируемые области. Здесь ИИ уместен только как способ подготовиться — сформулировать вопросы, разобраться в терминах, понять, что вообще спрашивать у специалиста.

С чего начать обучение команды?
Не с промптов. Начните с разметки задач по трём уровням применительно к вашим реальным процессам — люди должны понимать, где они свободны, а где обязаны позвать специалиста. Потом навык проверки: как усомниться, как перепроверить, как заметить, что вышел за пределы своей компетенции. Промпты идут третьим пунктом и осваиваются сами.

А если сотрудники уже используют ИИ без разрешения?
Так почти всегда и есть — обычно это выясняется в первый час разговора. Запрещать поздно и бессмысленно: работать начнут через телефон. Правильный шаг — легализовать и упорядочить: дать корпоративный доступ, обозначить границы, объяснить, что нельзя загружать. Скрытое использование опаснее разрешённого именно потому, что его не видно.

Коротко о главном

Исследование OpenAI зафиксировало то, что в малом бизнесе уже стало нормой: почти в половине случаев люди используют ИИ за пределами своей специальности. Из выборки убрали письма и саммаризацию, так что речь о содержательной работе — расчётах, разборе данных, проверке договоров, поиске ошибок в коде.

Это не хорошо и не плохо само по себе. Это новая реальность, в которой границы должностей стали проницаемыми, и от компании зависит, обернётся это выигрышем или проблемой. Выигрыш — в закрытых задачах и скорости. Проблема — в результатах, которые никто не проверил, и в ответственности, которую никто не взял.

Разница между двумя исходами — не в инструменте, а в правилах. Три уровня задач, короткий регламент, обучение навыку проверки и корпоративный доступ вместо личных аккаунтов. Это несложно и делается один раз.

Если хотите, чтобы команда работала с ИИ осознанно и без утечек, напишите — проведём обучение и напишем регламент под вашу компанию.