Отредактирую фрагмент как деловой русский текст: сохраню факты и последовательность, уберу тяжёлые формулировки и кальки, верну только готовый Markdown.

Как понять, что ИИ действительно сэкономил время, а не добавил новую работу

Чем активнее компании внедряют ИИ, тем заметнее не только его польза, но и обратная сторона: иногда технология создаёт больше работы, чем помогает убрать.

Президент JP Morgan Chase Дэниел Пинто заявил, что банк рассчитывает получить до 154 млрд рублей экономического и коммерческого эффекта от применения искусственного интеллекта. Ранее оценка составляла 115,5 млрд рублей. На конференции Barclays Global Financial Services он сказал, что генеративный ИИ заметно повысит эффективность процессов. Компания уже запустила ассистента на его основе и изучает, как использовать ИИ и большие языковые модели, чтобы улучшать рабочие процессы.

«Мы работаем в двух направлениях, — говорит Пинто. — Во-первых, анализируем крупные блоки операционных сервисов и каждый процесс внутри них, чтобы понять, где ИИ и большие языковые модели могут повысить эффективность. Во-вторых, внедряем для большинства сотрудников то, что мы называем LLM Suite. Сейчас это решение разворачивают для 140 тысяч человек, чтобы помочь им в повседневной работе».

По его словам, в краткосрочной и среднесрочной перспективе главный эффект от генеративного ИИ будет связан с повышением операционной эффективности.

JPMorgan Chase не единственная компания, которая делает ставку на генеративный ИИ. По данным IDC, 98% руководителей считают ИИ приоритетом для своей организации. Компания прогнозирует, что к 2030 году ИИ принесет мировой экономике около 1 540 трлн рублей. OpenAI сообщала, что ChatGPT уже пользуются более 200 млн человек в неделю — вдвое больше, чем в ноябре прошлого года. Продукты компании используют 92% компаний из списка Fortune 500, а объем обращений к API удвоился после запуска ChatGPT-4o mini.

По данным исследования Coleman Parkes Research, проведенного по заказу Riverbed, 59% руководителей крупных компаний считают, что проекты с ИИ оправдали ожидания, а 18% — что превзошли их.

«ИИ перестал быть задачей только ИТ-подразделения и теперь распространяется на всю организацию, — говорит директор Coleman Parkes Research Иэн Бестон. — В целом компании настроены к его внедрению оптимистично».

Но 23% опрошенных заявили, что ИИ показал результат хуже ожидаемого: модели бывают ненадежными, а проекты не всегда удается масштабировать. Поэтому, несмотря на обещанную эффективность, генеративный ИИ не всегда снижает нагрузку. Иногда он, наоборот, добавляет работу из-за юридических и комплаенс-рисков, ошибок, «галлюцинаций» моделей и других проблем.

Чем больше сэкономленного времени, тем больше лишней работы

Когда ИИ помогает сотрудникам быстрее справляться с задачами, компании часто рассчитывают, что освободившееся время уйдёт на более важную работу. Но так происходит не всегда, говорит Кристина Янцер, старший вице-президент Slack по исследованиям и аналитике.

По данным глобального опроса Slack, сотрудники стали тратить на рутинные административные задачи на 37% больше времени.

«Потенциал огромный, — говорит Янцер. — Мы пока в начале пути и только разбираемся, как это работает. Но уже видим заметные результаты: растет продуктивность, людям проще сохранять баланс между работой и личной жизнью, повышается вовлеченность».

Проблема в том, что люди часто заполняют освободившееся время привычными задачами. Если ИИ снимает часть нагрузки, это время нередко сразу уходит на новую административную работу.

«Список задач бесконечен», — говорит Янцер.

Выход она видит в пересмотре системы мотивации: руководители часто оценивают не результат, а активность.

«Менеджеры нередко поощряют видимую занятость и оценивают усилия, а не результат, — объясняет она. — Вместо того чтобы смотреть, какую пользу сотрудник приносит компании, они считают, сколько писем он отправил или сколько часов провел в офисе».

Почтовые ящики становятся неуправляемыми

Рост ненужной работы создает нагрузку не только для тех, кто использует ИИ, но и для их коллег.

Если ИИ помогает сотруднику написать хорошее письмо в десять раз быстрее, он может начать писать в десять раз больше писем. Но все эти письма кому-то нужно прочитать и, возможно, на них ответить.

То же происходит с внутренними базами знаний и отчетами. Сотрудник, который раньше написал бы одну полезную статью для корпоративной базы знаний, теперь может подготовить десяток материалов на менее важные темы. Тот, кто быстрее готовит отчеты для руководителя, может начать отправлять их чаще и делать объемнее.

«Эти технологии могут создавать всё больше материалов, которые всем приходится читать и учитывать», — говорит Анита Вулли, профессор Университета Карнеги — Меллона.

Некачественные тексты, созданные ИИ, уже заполняют поисковую выдачу. То же самое может происходить во внутренних базах знаний компаний. Из-за этого становится всё сложнее найти действительно полезные материалы.

«Большой объем информации — один из факторов, из-за которых продуктивность может снижаться», — говорит Вулли.

Раздробленность внимания

Еще один риск для продуктивности связан с тем, что внимание постоянно дробится.

«ИИ может подключаться к встречам вместо вас и делать заметки, создавая ощущение, что вы одновременно присутствуете в четырех местах, — говорит Вулли. — Некоторые действительно пытаются так работать. Но есть предел тому, в скольких проектах человек может осмысленно участвовать и в скольких обсуждениях быть вовлеченным».

Когда ИИ помогает вести больше задач одновременно, может казаться, что работы стало еще больше. Это повышает риск выгорания.

Кроме того, ИИ может не только помогать с управлением временем и рабочими процессами, но и создавать новые срочные поводы для внимания.

«Он может присылать уведомления, которые отвлекают от текущей задачи и заставляют переключаться на что-то другое», — говорит Вулли.

Когда внимание слишком рассеивается, люди принимают менее взвешенные решения.

Некоторые компании поэтому ограничивают число проектов, в которых сотрудник может участвовать одновременно.

«Все переживают за свою карьеру и стараются брать на себя больше, — говорит Вулли. — Никто до конца не понимает, что именно учтут при оценке работы, поэтому люди соглашаются на новые обязанности».

Выход — понятные цели и прозрачные критерии оценки. Компаниям стоит сдерживать рост проектов, инициатив и рабочих групп, которые не приносят пользы, а только занимают время сотрудников.

«В распределённых командах особенно важно перестать проводить встречи только ради того, чтобы показать: работа идёт», — говорит Вулли.

Высокая цена страха отстать

Почти каждую неделю появляются новые инструменты на базе ИИ, и каждый обещает изменить какую-то часть работы. Одни помогают рассуждать и решать задачи в математике и науке, другие создают видео и изображения. Workday анонсирует ИИ-агентов для HR и финансов, Google выпускает новые инструменты для рекламы и маркетинга.

Инструментов много, и каждый нужно осваивать. Проходит время, прежде чем он начинает приносить пользу. Если таких решений слишком много, компания постоянно догоняет рынок и отвлекает сотрудников от основной работы.

Вулли советует компаниям оставить только те инструменты, которые действительно нужны для работы, и выстроить проверку новых решений так, чтобы эксперименты не мешали сотрудникам. При этом у людей должна сохраняться разумная свобода.

«Если инструменты одобрены, безопасны и не создают рисков, а я могу использовать их по своему усмотрению и они помогают мне работать лучше, это отлично, — говорит Вулли. — Но о последствиях нужно думать заранее».

Ошибки и недостоверные ответы

По данным Slack, только 7% сотрудников считают, что результатам ИИ можно полностью доверять в рабочих задачах. Еще 35% говорят, что ответы ИИ вызывают лишь небольшое доверие или вовсе не заслуживают доверия.

Другие исследования подтверждают этот риск. В одной из недавних работ исследователей из Корнеллского университета, университетов Вашингтона и Ватерлоо, а также некоммерческого исследовательского института AI2 даже лучшие модели отвечали полностью точно лишь примерно в трети случаев.

Поэтому результаты работы ИИ приходится проверять, редактировать, исправлять или переделывать с нуля. Если один сотрудник не заметит ошибку, ее придется исправлять другому. А если ИИ действует автономно, например отвечает клиентам в чат-боте на сайте компании, последствия могут проявиться позже, когда неверные рекомендации уже нанесут ущерб.

Стив Росс, руководитель направления кибербезопасности в американском регионе в S-RM Intelligence and Risk Consulting, говорит, что генеративный ИИ может сократить целый день исследовательской работы до одного часа, но при одном условии.

«Он может назвать мне шесть крупнейших нефтегазовых компаний в конкретном городе, указать CEO, CFO и CTO каждой из них и кратко описать их биографии, — говорит Росс. — ИИ способен дать больше, чем обычный поиск в Google».

Но когда он внёс данные в Salesforce, оказалось, что в одном из результатов были полностью вымышленные имена и должности людей.

«Теперь нам приходится возвращаться к исходным данным и всё перепроверять», — говорит он.

Проблему заметили вовремя. Но этот случай показывает: ИИ нужно внедрять осмысленно и с понятной целью, а не просто потому, что технология уже доступна.

Много работы с данными ради слабого эффекта

Многие клиенты хотят «сделать что-нибудь с ИИ», не продумав конкретные сценарии. В итоге компания может получить решение, которое сэкономит нескольким сотрудникам по паре часов, но создаст огромный объем работы для команды, которая работает с данными.

Им нужно собрать и подготовить данные для обучения, создать и протестировать модели, встроить их в рабочие процессы, а затем постоянно следить, чтобы ИИ работал корректно.

По прогнозу Gartner, к концу 2025 года закроют не менее 30% проектов в области генеративного ИИ. Причины — непонятная польза для бизнеса, низкое качество данных, слабый контроль рисков и растущие расходы. Настройка моделей ИИ может стоить более 385 млн рублей, а создание собственной модели с нуля — до 1,54 млрд рублей.

Ожидание мгновенного результата

Для многих компаний дополнительная работа, связанная с ИИ, всё равно оправданна: это часть обучения.

Champlain College использует генеративный ИИ, чтобы помогать методистам и экспертам создавать онлайн-курсы. В итоге ИИ сократил время разработки курса вдвое, но к этому результату пришли не сразу.

«Сгенерированные материалы, красивые изображения и всё остальное — как это воспримут студенты и преподаватели? — говорит Криста Монтаньино, вице-президент колледжа по онлайн-операциям. — Нужны подготовленные люди, которые всё проверят: прочитают контент, разберутся в нём и добавят человеческую доработку».

По её словам, поначалу ИИ не экономил время. Команде пришлось учиться исправлять его результаты и формулировать запросы так, чтобы уже первая версия была качественнее.

«Нам пришлось во всём разобраться и обучить команду, — говорит Монтаньино. — Со временем люди начинают работать лучше, и использование ИИ становится для них естественным. Но некоторым нужны месяцы или даже годы, чтобы научиться применять ИИ по-настоящему хорошо».

Champlain College начал изучать генеративный ИИ в середине 2023 года. До этого на разработку курса уходило 15 недель. После внедрения ИИ срок не изменился: те же 15 недель. Улучшения появились позже: только через год время сократилось до семи недель.

«Некоторые сотрудники освоили это быстрее других», — добавляет Монтаньино.

Похожий опыт есть у Education Dynamics, маркетинговой компании, которая работает в сфере высшего образования. Компания использует генеративный ИИ в маркетинговых кампаниях. Но в некоторых задачах заметного роста продуктивности нет, говорит вице-президент по маркетингу Сара Расселл.

«Если говорить о творческой редактуре и проверке, мы просто перенесли время, которое раньше уходило на первый черновик, на редактирование и вычитку, — говорит она. — Мы не хотим получать тексты, которые сразу выдают ИИ: без характера или с избыточными формулировками. Поэтому для нас это не столько экономия времени, сколько его перераспределение».

При этом компания считает внедрение технологии важным.

«Мы хотим быть лидерами в отрасли, которая быстро меняется, — говорит Расселл. — Даже если сегодня это не экономит время, наступит момент, когда без ИИ уже будет не обойтись, а остальные только начнут его осваивать».

Разрыв между ожиданиями руководителей и опытом сотрудников

В случае с генеративным ИИ заметно расходятся ожидания руководителей и реальный опыт сотрудников, говорит Ашок Криш, руководитель направления консультирования по ИИ в Tata Consultancy Services.

Современные инструменты генеративного ИИ универсальны, но всё ещё находятся на раннем этапе развития.

«То, что доступно сегодня, только намекает на то, как генеративный ИИ будет менять интеллектуальный труд в ближайшем будущем, — говорит Криш. — Это необходимый этап внедрения, через который всем придётся пройти. Так было и в первые годы интернета: тогда лишь узкий круг инженеров и технологических энтузиастов понимал, как извлечь из него пользу».

В ближайшее время сотрудникам придется осваивать новую технологию, у которой пока есть ограничения, а компаниям — принимать, что отдача от нее пока неочевидна.

«Если они этого не сделают, то отстанут, когда в ближайшие годы ИИ неизбежно изменит разные виды работы», — говорит Криш.

Но компании могут быстрее получить эффект.

«Мы видим, что основной прирост продуктивности и окупаемость вложений в генеративный ИИ дают отраслевые решения, созданные под конкретные задачи», — говорит он.

Помогает и другой подход: вовлекать больше сотрудников и давать им доступ к инструментам ИИ, чтобы они сами находили, как изменить свою работу. Главное — оценивать не число подготовленных текстов, отправленных писем, проведённых встреч и составленных отчётов, а реальный результат. ИИ экономит время только тогда, когда компания заранее понимает, какую работу он должен снять с сотрудников и какую ценность создать.