Представьте: вы внедряете в компании «умного» помощника на базе ИИ. Он анализирует данные, подсказывает решения, экономит часы рутины. Через полгода сильные сотрудники взлетают — их результаты растут на 20–30%. А слабые… становятся ещё слабее.
Именно такой эффект обнаружили исследователи из Гарварда и MIT (Otis, Clarke, Delecourt, Holtz, Koning, 2026), изучив работу нескольких сотен предпринимателей в Кении с инструментами генеративного ИИ. Закономерность оказалась жёсткой: технология не подтягивает отстающих, а лишь усиливает тех, кто уже умеет принимать решения. Всё упирается в одну способность — человеческое суждение.
Для российских компаний, где по данным Росстата 84% организаций инвестируют в обучение персонала, а рынок корпоративного образования приближается к 100 млрд руб., этот вывод критически важен. ИИ дешевеет и проникает во все бизнес-процессы. Без грамотного управления он не выровняет поле, а разорвёт его. Давайте разбираться, как не наступить на эти грабли.
Что показало исследование: ИИ как увеличительное стекло
Участникам эксперимента — владельцам малых бизнесов — предоставили доступ к ChatGPT для решения повседневных задач: маркетинг, финансы, планирование. Результаты разделились почти идеально по уровню исходной управленческой зрелости.
- Лучшие 20% по уровню дохода и управленческих навыков увеличили прибыль в среднем на 19%. Они использовали ИИ для генерации идей, быстрого анализа альтернатив и проверки гипотез.
- Медианная группа не показала значимых изменений: инструмент брали, но применяли механически, часто игнорируя или не понимая выдаваемые рекомендации.
- Худшие 20% потеряли до 23% прибыли. Почему? Они доверяли советам ИИ без критики, переставали думать, на автомате внедряли шаблонные решения, которые не учитывали контекст их бизнеса.
Ключевой вывод: генеративный ИИ сам по себе не умнее своего пользователя. Он как дорогой микроскоп — в руках учёного открывает невидимое, а в руках дилетанта превращается в игрушку. Решающий фактор — способность человека осмыслить результат, отсеять мусор и адаптировать идею под реальность.
Почему человеческое суждение нельзя списывать со счетов
Мы привыкли, что технологии автоматизации нивелируют разницу между новичком и профи. Но с генеративным ИИ всё иначе. Он не выполняет задачу за вас — он предлагает варианты, а выбор и ответственность остаются на человеке. Именно здесь слабые попадают в ловушку.
Термин «человеческое суждение» в данном контексте означает три вещи:
- Умение задать правильный промпт — то есть чётко сформулировать бизнес-задачу, а не абстрактный вопрос.
- Способность критически оценить полученный ответ: соответствует ли он специфике рынка, нет ли в нём логических дыр, не противоречит ли фактам.
- И самое сложное — воля принять окончательное решение, часто отличное от того, что «советует» машина.
Руководитель, который привык опираться на чужие инструкции или боится брать на себя выбор, не получит от ИИ пользы. Более того, он станет жертвой когнитивного обмана: «раз робот сказал — значит, правильно». Именно это и разрушило бизнесы многих участников эксперимента.
Российские реалии: почему риск особенно высок
В России массовое внедрение ИИ идёт рука об руку с кадровым голодом. Дефицит IT-специалистов составляет около 250 тыс. человек, многие руководители среднего звена выросли в условиях дефицита качественного управленческого образования. Соблазн переложить принятие решений на ИИ огромен.
Мы в группе компаний «Алмаз» регулярно наблюдаем эту картину на стратегических сессиях: когда команде дают доступ к аналитическим ИИ-инструментам, одни начинают генерировать прорывные сценарии, а другие просто «распечатывают» готовые ответы без малейшей адаптации. Итог — бюджет слит, план не работает, а виноват почему-то ИИ.
Без системной оценки персонала вы не узнаете, кто из ваших сотрудников способен критически работать с ИИ, а кто попадёт в ту самую «зону потерь». Одних лишь должностных инструкций здесь недостаточно — нужна оценка реальных навыков суждения и принятия решений.
Как сделать ИИ инструментом роста, а не демотивации: три принципа
1. Разделите сотрудников на потоки
Прежде чем раздавать доступ к продвинутым инструментам, проведите быструю диагностику: кто в команде демонстрирует высокий уровень самостоятельности и критического мышления? Используйте кейс-тесты, деловые игры или включите соответствующие шкалы в модель профессиональных компетенций. Затем выстраивайте обучение по трём трекам:
- Продвинутый трек — для сильных. Свободный доступ к ИИ, тренинг по сложным промптам и интерпретации результатов.
- Базовый трек — для середины. ИИ-инструменты встроены в регламентированные процессы с обязательной проверкой наставником.
- Поддерживающий трек — для слабых. Сначала развитие фундаментальных навыков анализа без ИИ, затем осторожное знакомство с технологией под плотным контролем.
2. Обучайте «метанавыку» — суждению
Прокачать способность принимать обоснованные решения можно на специальных тренингах. Например, в программах корпоративного обучения ГК «Алмаз» мы моделируем ситуации, где ИИ выдаёт противоречивые советы, и ставим руководителей перед выбором. Разбор полётов после такого упражнения стоит десятка лекций.
3. Создайте культуру «здорового недоверия» к ИИ
Важно, чтобы в компании было нормой оспорить решение, предложенное машиной, и потребовать от автора объяснить: почему он выбрал именно этот вариант? Анализировал ли он другие? Какие риски учёл? Если руководитель транслирует: «Я доверяю ИИ больше, чем своему начальнику отдела» — ждите беды. Напротив, поощряйте истории, когда человек вовремя не послушался робота и спас проект.
Практические рекомендации
- Аудит текущего уровня решений. Проведите ассессмент центр для ключевых сотрудников перед внедрением ИИ-инструментов. Используйте кейсы, где нужно проанализировать массив данных и предложить решение. Оценивайте не итог, а путь рассуждений.
- Пилотирование на малой группе. Не запускайте ИИ-помощника сразу на весь отдел. Выберите 5–7 сильных сотрудников, соберите обратную связь, откалибруйте систему наставничества.
- Разработайте чек-лист для работы с рекомендациями ИИ. Включите пункты: «Соответствует ли это предложение стратегии компании?», «Какие два альтернативных варианта я рассмотрел?», «Что может пойти не так?».
- Инвестируйте в навыки суждения целенаправленно. Включайте в программы корпоративного обучения модули по когнитивным искажениям, вероятностному мышлению и быстрому анализу данных. Эти скиллы не устаревают.
- Мониторьте разрыв. Раз в квартал сравнивайте динамику KPI у разных групп пользователей ИИ. Если видите, что слабые ухудшаются — не ждите, вмешивайтесь адресно, забирайте у них инструмент и отправляйте на обучение.
Заключение
Генеративный ИИ — это не уравнитель, а катализатор. Он не сделает из новичка эксперта, но многократно усилит эксперта настоящего. Исследование чётко показало: без развитого человеческого суждения дорогая технология превращается в дорогую ошибку.
Для российских компаний, которые массово инвестируют в цифровизацию, наступает момент истины: готовы ли вы параллельно прокачивать мышление людей? Тот, кто отнесётся к этому серьёзно, получит решающее преимущество. Остальные будут спонсировать провалы своих слабых сотрудников.
Часто задаваемые вопросы
Может ли ИИ полностью заменить руководителя?
Нет. ИИ генерирует идеи и анализирует данные, но окончательный выбор, учёт контекста и ответственность остаются за человеком. Без лидерского суждения роботы лишь усугубляют ошибки.
Как понять, кому из сотрудников ИИ вредит?
Проведите диагностику управленческих компетенций с акцентом на критическое мышление и принятие решений. Те, кто склонен к безоговорочному следованию инструкциям, попадают в зону риска. Быстрая оценка даст объективную картину.
Поможет ли обучение слабых работе с ИИ?
Только после того, как они натренируют базовые аналитические навыки. Учить эффективным промптам человека, который не умеет оценивать ответ, бессмысленно. Сначала — фундамент суждения, потом — технология.
Какие российские компании уже используют ИИ в HR?
Крупные игроки вроде банков и ритейла активно пилотируют ИИ для подбора персонала и оценки вовлечённости. Но именно в управленческих решениях лидируют те, кто параллельно строит систему развития компетенций, например, через development-центры.
Стоит ли ограничивать доступ сотрудников к ИИ?
Не тотально, но дифференцированно — да. Сильным дайте полную свободу, а для менее опытных встройте этап обязательной экспертной проверки. Так вы снизите риски и ускорите обучение.
