В мае 2025 Microsoft опубликовала «Work Trend Index 2025» — отчёт, построенный на опросе 31 000 работников из 31 страны. Цифра, от которой у руководителя должна закружиться голова: 78% сотрудников, применяющих AI, приносят инструмент на работу сами. То есть прячут использование от руководства и коллег. Это не хулиганство и не саботаж — это ответ на давление, при котором признаться в работе с AI страшнее, чем не работать с ним вовсе. В отчёте этот паттерн назван «AI smuggled in» — провезённый контрабандой AI. McKinsey в «Superagency 2025» добавляет вторую цифру: сотрудники пользуются генеративным AI в три раза чаще, чем думает их руководство. Лидеры оценили долю регулярных пользователей в своих командах в 4%. Сотрудники назвали регулярными пользователями себя в 75–79% случаев. Разрыв между «как вижу я» и «как оно есть» — не семантический, а организационный: пока руководитель планирует трансформацию, команда уже внутри неё. Следующие три раздела главы отвечают на один вопрос — как из этого «параллельного штата» сделать команду, которая зарабатывает на AI, а не прячет его.

ПРИРОДА AI-КОМАНДЫ: ОПРЕДЕЛЕНИЕ ПО СУЩЕСТВУ

Часто слышу на совещаниях «у нас AI-команда» — и в таких случаях переспрашиваю: «Что это значит в ваших терминах?». Ответы обычно делятся на две группы. Первые описывают оснащённость: «у нас у всех есть лицензия на ChatGPT, и мы прошли адаптацию к инструменту». Вторые — организацию: «у нас есть правила, по которым команда работает с AI, и команда их соблюдает». Первый ответ описывает доступ к инструменту. Второй — выстроенную процедуру его применения. McKinsey в «Superagency 2025» вводит понятие Frontier Firm — компания, где AI внедрён организационно, а не через отдельных энтузиастов. Зрелость такой компании измеряется по набору критериев. Но даже у Frontier Firms внутри команд состав разнородный: одни сотрудники работают с AI плотно, другие точечно, третьи почти не трогают. McKinsey прямо пишет: единого уровня владения инструментом у команды быть не должно. Должны быть общие правила применения.

В сентябре 2025 HBR опубликовал исследование Нидерхоффера (Niederhoffer), Робишо (Robichaux) и Хэнкока (Hancock) из Stanford Social Media Lab на выборке 1 150 американских работников. Авторы ввели термин workslop — AI-сгенерированный контент, который выглядит правдоподобно отполированным, но перекладывает когнитивную работу на получателя. Материал выглядит готовым — но требует разобрать и доделать вместо того, чтобы просто прочитать. Получатель экономит минуту, а потом теряет час. 40% опрошенных получили workslop за последний месяц. 53% получателей признались, что стали меньше доверять отправителю. 38% — что стали меньше доверять всей организации. 33% сказали прямо: заменили бы отправителя на коллегу, если бы могли.

HBR посчитал экономику. На компанию в 10 000 работников workslop обходится в 1,8–9,1 миллиона долларов в год по потерянной производительности — от 162 до 819 миллионов рублей по 90 рублей за доллар. Сумма ложится на компанию, которая не ввела правила работы с AI-черновиками. Платит не AI. Платит отсутствие правил.

ПРАВИЛА ЭФФЕКТИВНОЙ «AI-КОМАНДЫ»

1: Прозрачность использования. Каждый AI-артефакт, уходящий коллеге, клиенту или контрагенту, помечается стандартным способом: тег «[AI]» в теме письма, строка «AI-черновик, требует проверки» в начале документа, плашка «AI-generated» на слайде. Пометка — не донос на себя. Она даёт получателю право отнестись к тексту как к черновику.

2: Зоны применения. Внутри команды должен лежать документ «AI-можно / AI-опасно / AI-табу» по типам задач. AI-можно — черновики, саммари, поиск, классификация. AI-опасно — юридические заключения, стратегические письма, пресс-релизы: всё, что требует человеческой проверки. AI-табу — увольнения, конфликты, медицинские решения: всё, где AI вообще не в контуре.

3: Финальная ответственность и правило «не сдаём чужое». Человек всегда последний в цепочке, его подпись означает его ответственность. Сотрудник, отправляющий AI-выход без проверки, берёт на себя профессиональный риск за ошибки модели. Здесь нет «AI виноват». Есть «я отправил». Сдаём клиенту и руководству только то, что готовы защитить своими словами.

4: Право не использовать. Любой сотрудник может отказаться от AI в своей части работы, и никто не обязан объяснять почему. Поголовное внедрение делает команду слабее, а не сильнее: консерватор, который не использует AI, может обладать ценной экспертизой, которой у модели нет.

ПРИЗНАКИ КОМАНДЫ, КОТОРАЯ ПОЛЬЗУЕТСЯ AI, НО НЕ СТАЛА «AI-КОМАНДОЙ»

1: Нет документа о зонах применения, и каждый решает сам.

2: AI-черновики уходят клиентам и контрагентам без пометки «AI-черновик, проверьте».

3: Никто не помнит, кто последний проверял факты в AI-выходе.

4: Решения об AI-инструментах, политике их применения и границах зон принимает один человек, а не команда.

5: Любой разговор про AI заканчивается хвастовством, а не правилами.

Все пять признаков — симптомы одного и того же: команда работает с инструментом, но не выстроила процедуру его применения. Лекарство одно — документ о зонах применения и привычка его обновлять. Не лицензии. Не адаптация.

«AI-команда — это когда все используют AI» — миф, который стоит развеять сразу. Реальность противоположная: AI-команда отличается не наличием расширений в браузере, а общими правилами. Внутри одной команды 80% и 20% использования AI — это норма, если есть общие правила, кто за что отвечает. Давление «все должны» создаёт скрытое сопротивление, которое хуже открытого. Microsoft Work Trend Index 2025 это подтверждает: большинство сотрудников уже внутри AI-трансформации, но не чувствуют себя вправе об этом говорить.

И второй миф: «если в команде кто-то не использует AI, он отстаёт». Это путь, который убивает доверие. McKinsey «Superagency 2025» показывает: организации, где AI-использование сотрудников организовано, обгоняют по эффективности те, где план есть, а пользователей нет. Задача руководителя — дать каждому зону, где он полезен. И не заставлять всех.

AI И УВЕРЕННОСТЬ: КАК МЕНЯЕТСЯ САМООЦЕНКА СОТРУДНИКА

Microsoft Work Trend Index 2025 показывает: 51% линейных сотрудников используют AI лишь эпизодически или не используют вовсе. Среди причин «не трогаю» доминирует не «не умею», а «боюсь показаться заменимым». Этот мотив чаще встречается у респондентов 35–54 лет и входит в число барьеров.

Тема отдельная и плохо обсуждаемая. Лежит она не в технической и не в правовой плоскости, а в социально-психологической. Там, где руководитель ещё не научился работать с тревогой сотрудника.

Тревога связана с тем, что отчёт Anthropic «Economic Index 2026» описывает как «изменение состава рабочего дня». Раньше человек проводил время с коллегами и документами. Теперь часть этого времени уходит на работу с агентом. Внутри AI-команды человек всё чаще сидит не напротив коллеги, а напротив экрана. И ни руководитель, ни коллеги не объяснили ему, что с этим делать.

Что я вижу в реальных командах, когда это проявляется. Сотрудник, который смотрит на AI-черновик и говорит «я бы так не написал», — это не критика AI. Так выглядит человек, потерявший точку отсчёта. Раньше он сравнивал свой черновик с эталоном или с работой коллеги. Теперь он сравнивает свой черновик с AI-выходом — и всегда проигрывает, потому что у машины нет усталости, дедлайна, неуверенности.

Университет Аризоны (Eller College, 2025–2026) показал в серии экспериментов: человек, использующий AI для текста, оценивает этот текст как «хороший, но не совсем мой». Это несовпадение «мой / не мой» бьёт по самоэффективности.

Самоэффективность — вера в то, что я способен справиться с задачей. Если эту веру подрывает сравнение с AI-выходом, человек начинает избегать сложных задач и брать попроще. По данным Gallup 2025, среди тех, кто начал использовать AI ежедневно, среднее время финальной правки собственного текста упало с 14 до 6 минут. Это технический факт, не моральный. Но он означает: AI забрал то время, в которое работник превращал AI-черновик в свой собственный текст. Вопрос не в том, плохо это или хорошо. Вопрос в том, понимает ли работник, что это произошло.

Где AI помогает уверенности, а где вредит — две стороны одной медали. Граница проходит по одному вопросу: кто в цепочке последним принимает решение.

Снятие рутины — сотрудник перестаёт тратить 4 часа на сортировку писем и чувствует, что его время уходит на важное, а не на механику. Развитие навыков — AI-тьютор помогает освоить новое быстрее, чем в одиночку. Видимость результата — с AI сотрудник делает за день то, что раньше делал за неделю, и его вклад виден руководству. Этот путь называют «AI как усиление».

Обратная сторона — страх заменимости («AI делает мою работу, зачем я нужен»), потеря навыка (начинающий юрист, который никогда не читает контракт сам, не научится видеть нестандартные риски), профессиональная девальвация («мой черновик был лучше AI-черновика, но меня не спрашивают»), workslop-зависимость (сотрудник привыкает к AI-черновикам и теряет навык писать с нуля). Это путь «AI как замещение».

Microsoft совместно с Carnegie Mellon University (CMU) в феврале 2025 опубликовали исследование 319 работников интеллектуального труда: чем выше уверенность работника в AI-инструменте, тем реже он сам применяет критическое мышление к AI-выходу. Эффект не универсален. У тех, кто воспринимает AI как «инструмент под мою ответственность», критическое мышление сохраняется. У тех, кто видит в AI «агента, который думает за меня», — падает.

ПРИЗНАКИ ТОГО, ЧТО AI ПОДРЫВАЕТ УВЕРЕННОСТЬ СОТРУДНИКА

1: Сотрудник не может объяснить, что именно он сделал в задаче, где применялся AI: «AI написал, я проверил факты» — отписка, а не объяснение.

2: Сотрудник берёт задачи попроще, потому что сложные требуют уверенности, которой у него нет после AI-опыта.

3: На встречах сотрудник молчит, потому что «AI сказал, я согласился, а обсуждать нечего».

4: Рост числа AI-черновиков у одного сотрудника сопровождается падением инициативы.

5: Сотрудник скрывает AI-использование из страха, что его труд «не настоящий», а не из стигмы.

Эти пять признаков — не «сотрудник не справляется». Это «сотрудник перестал быть автором, а стал курьером между AI и клиентом». Лечится не «отключить AI». Лечится возвращением авторства.

СПОСОБЫ УКРЕПИТЬ УВЕРЕННОСТЬ СОТРУДНИКА ПРИ ВНЕДРЕНИИ AI

1: Признавать, что AI заменяет задачи, а не человека. Формула для сотрудника: «AI закрывает рутину, вы держите суждения». Здесь нет манипуляции. Здесь правда.

2: Измерять вклад человека, а не объём AI-выхода. KPI «отправил 100 писем с AI» бессмысленный. KPI «5 клиентов дали обратную связь после моего звонка» — содержательный.

3: Давать сотруднику автономию выбора. Не «все должны использовать AI», а «вы выбираете, на каких задачах AI вам помогает».

4: Учить навыку, который AI не заменяет: эмпатия, переговоры, стратегическое мышление, политический контекст. Эти навыки растут, когда сотрудник знает, что AI их не заменит.

5: Публично признавать вклад человека. Например: «Юрист сделал этот контракт за 3 дня, AI ускорил его на 30%». Это работает как точка опоры: труд виден, AI — инструмент, а не автор результата.

Эти пять приёмов возвращают сотруднику авторство. Они не решают задачу «как заставить полюбить AI».

Миф «AI всегда улучшает мою работу» разобран в MIT Media Lab в июне 2025 в препринте «Your Brain on ChatGPT» с ЭЭГ-измерениями. Участники, писавшие эссе с AI как с «автором», показали самую низкую нейронную активность, самую слабую память о собственном тексте и самые плохие результаты при последующей переписке без AI. Авторы ввели термин «когнитивный долг» — кредит, который мозг берёт у самого себя, отдавая работу машине. Вывод авторов — не «AI вреден», а «AI-ассистент, делающий за тебя, оставляет твою нейронную сеть без тренировки». Миф «AI всегда улучшает» ломается, когда мы видим, что улучшение скорости идёт за счёт навыка, который раньше тренировался.

AI В РОЛЯХ: ПРОФЕССИИ НА ПРАКТИКЕ

После разговора о самооценке и навыке посмотрим, где именно AI сегодня зарабатывает больше всего в офисных функциях — и где граница применения проходит жёстче всего.

McKinsey в «Superagency in the Workplace» (январь 2025) посчитал, какая доля потенциальной экономической ценности генеративного AI приходится на каждую корпоративную функцию. Распределение показывает, где AI даёт наибольший измеримый эффект, а где его доля пока скромная.

Из таблицы видно: почти половина ценности (28 + 25 = 53%) приходится на продажи и маркетинг вместе с разработкой ПО — функции с большим объёмом текста и кода. HR и финансы — на противоположном полюсе, по 5–7%. Причина — высокая цена ошибки и регуляторные ограничения.

Эта пропорция важна: AI не одинаково полезен в каждой роли. Больше всего он зарабатывает там, где много рутинного текста и много структурированных данных — там, где раньше требовался большой объём ручного труда над повторяющимися задачами.

Я разберу пять офисных ролей — менеджер, бухгалтер, юрист, дизайнер, HR — и покажу, где AI усиливает, где заменяет и где граница между ними проходит по одному вопросу: «Можете ли вы защитить каждую цифру, формулировку или визуал перед клиентом или судом?».

МЕНЕДЖЕР: ДЕЛЕГИРОВАНИЕ БЕЗ ПОТЕРИ КОНТРОЛЯ

McKinsey «Superagency 2025» показывает: менеджеры — самая недоиспользованная группа в AI. 79% лидеров верят, что AI ускорит их карьеру. Только 51% менеджеров считают, что AI-обучение станет ключевым в их работе в следующем году. Microsoft Work Trend Index 2025 добавляет: по опросу сотрудников, 67% верят, что AI ускорит карьеру. По опросу лидеров — 79%. Разрыв между лидерами и сотрудниками — это и есть окно, через которое проходит AI для менеджера.

Менеджер, который ведёт свою часть команды «через AI» (расшифровка встреч, сопроводительные письма, справка по сотруднику, черновик индивидуальной встречи, черновик оценки эффективности на основе заметок за квартал), высвобождает 4–6 часов в неделю. Куда уходит это время: на переговоры, на найм, на разрешение конфликтов, на политический контекст. На те задачи, где AI не справляется в принципе, потому что они требуют видения конкретных людей, а не статистики по людям.

Ловушка — превращение в «AI-курьера» между командой и руководством, когда AI генерирует, а менеджер только пересылает. Ловушка ловится простым тестом: «Можете ли вы защитить каждое сообщение перед человеком, которому оно адресовано, своими словами?». Если нет — вы не автор, вы курьер.

БУХГАЛТЕР: ТОЧНОСТЬ ПОД ПРИСМОТРОМ AI

BCG и несколько профильных обзоров 2024–2025 показали: в бухгалтерии 70–80% времени уходит на повторяющиеся операции — сверки, проводки, подготовку первички, формирование отчётности. Deloitte 2026 пишет, что 50% роста доступа работников к AI в 2025 году пришлось именно на финансовые и бухгалтерские функции. Инструменты автоматизации закрывают сверки, авто-категоризацию расходов, первичку, стандартную отчётность, проверку лимитов и НДС-вычета, прогноз денежного потока. Аудиторское суждение, интерпретация нестандартной операции, работа с налоговым риском — зона человека. Бухгалтер, который думает, что AI «заменит его в профессии», не понимает, что 70% его работы и так была рутина. А оставшиеся 30% — это и есть профессия. Риск подмены — слепое доверие цифрам, упущенные аномалии. Тест: «Можете ли вы объяснить каждую цифру в отчёте?». Если нет — отчёт не ваш.

ЮРИСТ: СКОРОСТЬ БЕЗ ПРАВА НА ОШИБКУ

BCG «Generative AI in Law» (2025) на выборке 2 800 юристов показал: 56% юридических фирм уже используют генеративный AI. Барьеры со стороны юристов — безопасность и конфиденциальность данных (59%) и доверие к AI-выходу (56%). Это профессиональная гигиена, а не консерватизм. Берёт: поиск прецедентов, черновики типовых договоров, саммари многостраничных документов, чек-листы на соответствие требованиям, юридическая экспертиза по формальным критериям. Не берёт: позицию в нестандартном споре, переговорный аргумент, оценку риска, формулировку, которая выдержит суд. Риск подмены: AI-черновик, уходящий клиенту без юридической вычитки, и AI-позиция в переговорах, которую юрист не сможет защитить в суде. Тест: «Можете ли вы защищать каждую формулировку в суде?». Если нет — договор не ваш.

ДИЗАЙНЕР: СОАВТОРСТВО С ГЕНЕРАТИВНЫМ ИНСТРУМЕНТОМ

В дизайне AI полезен на этапах «быстро попробовать 30 вариантов», «изменить размер одной кнопкой», «сгенерировать предпросмотр», «собрать доску настроения». Не полезен в финальной концепции, в UX-решении, в работе с контекстом бренда, в переговорах с клиентом. По данным отчёта Anthropic «Economic Index» (март 2026), в креативных профессиях доля AI-вовлечённости в рабочий день выросла с 8% в начале 2025 до 31% к концу 2025. Но это 31% рабочего дня, а не 31% результата. Дизайнер, использующий AI как 31% времени, но отдающий клиенту 100% своего видения, усиливает себя. Миф «AI-дизайнер заменит живого дизайнера» развенчивается той же картиной: дизайнер, отдающий клиенту 100% AI-выхода, теряет работу через полгода, когда клиент сам покупает подписку. Риск подмены: дизайнер отдаёт клиенту AI-картинку без своей доводки и не может объяснить, почему именно этот вариант правильный. Тест: «Можете ли вы объяснить, почему именно этот вариант — правильный?». Если нет — концепция не ваша.

HR: ЧЕЛОВЕЧЕСКИЙ ФАКТОР ПРИ ПОДДЕРЖКЕ AI

В HR AI берёт первичный скрининг резюме по формальным критериям, ответы кандидатам по типовым вопросам, классификацию заявок, дайджесты по обратной связи. Не берёт оценку культурного соответствия, переговоры по компенсации, разбор конфликта, разговор об увольнении. По данным McKinsey «Superagency 2025» (см. таблицу 11.1), HR — функция с наименьшей долей в общей экономической ценности AI, но с наибольшей долей регуляторного риска, если AI выходит за пределы своей зоны. Юридический риск дискриминации при AI-скрининге — горячая зона регулирования в США и ЕС в 2025–2026 годах. В России он тоже набирает обороты — через трудовое и антидискриминационное законодательство. Риск подмены: AI-скрининг срабатывает как дискриминатор, и компания получает судебный иск. Проверка, которая здесь работает: «Могу ли я отстоять своё решение перед кандидатом или судом?». Если AI отказал кандидату, а HR не может объяснить, почему, — это зона, где человек должен был оставаться автором.

После прохода по пяти ролям видны общие паттерны «AI заменяет» и «AI усиливает».

ПРИЗНАКИ «AI ЗАМЕНЯЕТ МЕНЯ» В ЛЮБОЙ ПРОФЕССИИ

1: Я не помню содержание вчерашнего AI-результата через неделю.

2: Я не могу объяснить клиенту, почему результат правильный.

3: Я перестал тренировать навык, на котором строилась моя экспертиза.

4: Коллеги начали ходить за решением в обход меня — к AI напрямую.

5: Я стесняюсь сказать, что AI сделал значимую часть моей работы.

ПРИЗНАКИ «AI УСИЛИВАЕТ МЕНЯ»

1: AI делает рутину, я делаю суждение.

2: Я могу защитить каждую цифру, формулировку или визуал перед клиентом или судом.

3: У меня появляется время на задачи, которые я раньше откладывал.

4: Моя самоэффективность растёт, а не падает.

5: Команда видит во мне автора, а не курьера.

Эти десять признаков работают одинаково для любой роли. И здесь же — центральный миф, который мешает их применять.

Миф «AI берёт сложные задачи и оставляет человеку рутину» — стоит развеять. Реальность обратная: AI берёт рутину (сверки, проводки, черновики, скрининг, изменение размера), а сложные задачи (стратегия, переговоры, нестандартное суждение, финальная концепция) остаются человеку. Здесь важно не путать значения слова «сложное». В AI-маркетинге «сложное» часто означает «AI умеет». Тогда как в профессии «сложное» означает «это требует суждения». Сложное в профессии — это то, что AI не берёт. Именно поэтому оно остаётся за человеком. Здесь нет повода для гордости («AI не может сложное») — это рабочая гипотеза. Цените те задачи, которые AI пока не берёт. Не отдавайте те, которые составляют профессию.

РЕЗЮМЕ

AI в команде измеряется общими правилами применения, а не процентом проникновения инструмента. Без правил получается параллельный штат, workslop, тайное использование и откат назад. У этого есть экономическая цена, которую HBR посчитал для компаний, не вводивших регламент работы с AI-черновиками. AI и уверенность сотрудника — часть той же проблемы: когда человек перестаёт быть автором и становится курьером между AI и клиентом, его самоэффективность падает. Через год организация теряет экспертизу, которую AI не умеет восстанавливать. AI в конкретной роли — это распределение по функциям с разными зонами риска, а не универсальный «AI равно ChatGPT». Для менеджера, бухгалтера, юриста, дизайнера и HR это пять разных инструментов с пятью разными границами — как показывает таблица 11.1 по данным McKinsey «Superagency in the Workplace» (январь 2025).

AI-команда — это организация, выстроенная вокруг правил. Группа пользователей с лицензиями — пока ещё не команда.

Понедельник, 9:47 утра. AI-агент поддержки отправил клиенту ссылку на несуществующий тариф, клиент уже оплатил, и деньги ушли не туда. Команда работала по правилам, но регламент не сработал. Следующая глава — про то, как распознать «масштаб катастрофы» заранее, какие задачи нужно страховать двойной проверкой и почему «больше доверять AI» — неверный вывод из провала. Это глава про ошибки AI в проде, про то, как они устроены и что с ними делать до того, как они превратились в инцидент.