Внедрили ИИ, а работы стало больше. Что с этим делать руководителю
Внедрение нейросетей нередко только прибавляет дел команде. Как добиться того, чтобы ИИ действительно экономил время, рассказал Олег Копылов, руководитель маркетинга и контента «Яндекс ПромоСтраниц», эксперт Школы управления РБК

Фото: Сергей Бобылев / ТАСС
Во многих командах нейросети и ИИ-агенты уже стали частью рабочих процессов, но зачастую они не разгружают людей, а только добавляют работы.
Сотрудникам приходится настраивать инструменты и объяснять нейросетям контекст, проверять и переделывать результаты. Руководителю — разбираться с потоком сгенерированных отчетов и презентаций, далеко не всегда качественных.
В опросе LinkedIn 2025 года, проведенном среди более 19 тыс. специалистов из 14 стран, 51% респондентов сообщили, что освоение ИИ для них — как вторая работа. А исследование Glean среди 6 тыс. работников в США, Великобритании и Австралии показало: хотя ИИ, по оценке опрошенных, экономит около 11 часов в неделю, еще 6,4 часа уходит на то, чтобы сделать сгенерированный результат пригодным.
В итоге люди разочаровываются: одни возвращаются к «ручной» работе, другие работают с перегрузками, если ИИ внедрили «сверху».
Руководитель маркетинга и контента «Яндекс ПромоСтраниц» Олег Копылов тоже не сразу нашел подход к новому инструменту. В 2023 году он попробовал использовать нейросеть, результат ему не понравился, и он заявил команде: «В нашей работе ИИ никогда не будет». Сегодня Копылов возглавляет в «Яндекс Рекламе» рабочую группу по внедрению ИИ и выполняет с помощью этой технологии 90% задач — хотя, по его словам, ни один процесс не передал ИИ полностью и работать меньше не стал.
12 ноября Олег Копылов провел в Школе управления РБК новое событие «Исповедь «ИИ-голика»: что делать, если нейросети прибавляют вам работы».
Эксперт рассказал, почему ИИ повышает нагрузку, и поделился принципами, которые вынес из собственного опыта — они помогут понять, какие задачи стоит автоматизировать, а какие нет, и как добиться от ИИ реальной пользы.
Почему ИИ добавляет работы
С приходом ИИ рабочее время стало уходить на то, чтобы ставить задачи нейросети, объяснять контекст, проверять и дорабатывать результаты. Но есть еще несколько причин, почему люди теперь работают больше, чем раньше.
- Работа ускоряется, но ожидания растут. Сэкономленное с помощью ИИ время не становится свободным. По словам Копылова, если работа над проектом раньше занимала шесть месяцев, а сейчас — шесть недель, это значит, за полгода команда должна будет сделать как минимум четыре проекта — а то и больше, потому что конкуренты тоже ускорились. К этому, по наблюдению эксперта, добавляется скрытая оптимизация: массовых сокращений из-за ИИ в России он не видит, зато новых сотрудников работодатели нанимают неохотно. Когда объем задач растет, руководителя зачастую просят доказать, что эту работу не сделает ИИ, прежде чем расширить команду.
- Нагрузка переходит на руководителя. Сотрудники быстрее готовят отчеты, презентации и аналитику, но руководителю приходится перепроверять выводы и разбираться в ошибках. Из-за этого, отмечает Копылов, у управленцев растет когнитивная нагрузка. «Один руководитель в «Яндексе» просто запретил приносить ему презентации, сгенерированные ИИ, — рассказал эксперт. — По его словам, в таких материалах зачастую трудно понять смысл, и если раньше можно было уточнить у сотрудника, как он пришел к этим выводам, то сейчас человек не всегда сможет ответить».
- ИИ-инструменты нужно постоянно сопровождать и дорабатывать. Внедрение ИИ не работает по принципу «настроили и забыли», говорит Копылов. Инструменты меняются от версии к версии, исчезает доступ к сервисам, ИИ-агенты начинают вести себя непредсказуемо. В результате приходится перестраивать процессы, обновлять правила, переобучать как нейросети, так и команду.
Поэтому рассчитывать экономию только по времени генерации — ошибка, отмечает эксперт. Смотреть нужно на время, которое уходит на весь процесс.
Одна из участниц сообщества Школы управления РБК Евгения Кучер поделилась кейсом, когда автоматизация, казалось бы, простой задачи, добавила работы. Она работала в event-агентстве, и команда однажды опросила потенциальных гостей, планируют ли они посетить мероприятие, чтобы спрогнозировать явку и подготовиться. Обработку результатов опроса поручили нейросети. Но оказалось, что, когда гость отвечал неоднозначно, ИИ нередко засчитывал это как подтверждение. В результате пришлось в сжатые сроки перепроверять данные.
Для следующих мероприятий процесс пересмотрели. «Мы изменили формулировку вопроса, который ИИ отправлял участникам, и оставили только два варианта ответа: «Да» или «Нет». На основании этих ответов уже формировали выборку. Если же участник отвечал как-то иначе, такой ответ нейросеть отправляла сотрудникам на ручную проверку», — рассказала Кучер.
Как понять, нужно ли автоматизировать задачу
Чтобы ИИ действительно приносил пользу, Олег Копылов предлагает начинать не с вопроса «Могу ли я сделать это с ИИ?», а в первую очередь определить, нужна ли автоматизация в принципе. Для этого он задает себе три вопроса:
- Кому это нужно?
- Какую работу это заменит?
- Какой результат будет достаточно хорошим?
Главный вопрос, по словам эксперта, — последний. «Есть задачи, в которых не нужно настолько высокое качество, как если бы работал человек, и выполнять их «вручную» бессмысленно, — объяснил Копылов. — Например, мне прислали некачественный товар, и я иду в ChatGPT с запросом: «Напиши претензию продавцу». Но есть задачи, где важен очень хороший результат. Так, я пробовал «скормить» нейросети тексты из моего телеграм-канала, чтобы она проанализировала структуру и стиль. Но сгенерированные тексты получались очень плохими — это была имитация моего «голоса», а его самого там не было». Поэтому эксперт пишет тексты для канала сам, а нейросети использует только для поиска источников или корректуры.
По критерию «Насколько качественным должен быть результат» эксперт советует делить задачи на три группы:
- Неважные, которые просто нужно сделать как можно быстрее. Нейросеть поможет сэкономить время.
- Важные, когда ИИ можно использовать, но человек должен быть готов отвечать за результат.
- Очень важные, когда, по словам Копылова, «нужно отложить нейросеть и подумать головой».
Это разделение эксперт советует донести до команды и закрепить как правило.
С чего начать автоматизацию
Определив, что ИИ действительно нужен том или ином в процессе, остается выбрать, с чего начать.
Разовые и редкие задачи окупают настройку ИИ-инструмента плохо. Например, по опыту эксперта, ИИ не очень хорошо справляется с разработкой стратегий ИИ, поэтому на создание работающей системы уйдет больше времени, чем она сэкономит.
Автоматизация задач со сложной проверкой, требующей времени или специальных знаний, тоже редко оправдывает себя. Например, отмечает Копылов, написать софт с помощью вайб-кодинга можно без навыков программирования, но проверить код и исправить ошибки без экспертизы разработчика — не получится.
Поэтому идеальные кандидаты для автоматизации, считает эксперт, — задачи, которые часто повторяются, а результат проверить проще, чем выполнять работу самостоятельно. «Например, у меня ИИ-помощник записывает все онлайн-встречи, автоматически расшифровывает аудиозаписи, формулирует саммари с итогами и создает тикеты с задачами, — рассказал Копылов. — Проверять этот процесс несложно, и создание системы окупилось, потому что она на самом деле экономит время».
Что еще важно учитывать
Эксперт поделился несколькими советами, которые помогают ему и его команде применять ИИ с пользой.
- Внедрять новые инструменты, подогревая к ним интерес. В начале внедрения ИИ в команды «Яндекса» Копылов создавал чаты, где делился тем, что у него получалось с помощью ИИ. Те, кому стало интересно попробовать, тоже начали делиться находками, а остальные, увидев чужие успехи, не хотели отставать.
- Давать ИИ развернутую обратную связь. По словам эксперта, с нейросетью стоит работать «как со стажером, которого нельзя уволить»: давать как можно больше контекста, подробно прописывать «как надо» и «как не надо», а ошибки в ответах объяснять и просить их больше не повторять. Для обучения ИИ-агентов Копылов советует записывать скринкасты: показать ИИ, как задачу решает человек, а затем поручить ему составить инструкцию, чтобы проверить, правильно ли ИИ понял алгоритм.
- Не гнаться за всеми новинками. Эксперт поделился, что когда-то в его арсенале было около 50 ИИ-инструментов, но сейчас он оставил базовый минимум, за обновлением которого следит.
- Устанавливать границы самостоятельно. По словам Копылова, не стоит ждать, что ИИ решит проблему перегрузки. Вместо этого нужно самому следить за режимом работы и отдыха и отключаться от нейросетей по выходным и вечерам.
Также Олег Копылов и участники события разобрали реальные кейсы, когда нейросети только добавляли работы, и обсудили, как это можно исправить.
Вы тоже можете узнать больше, оформив доступ к событиям Школы управления РБК. Видеозаписи с практическими разборами появляются на сайте школы на следующий день после мероприятия. Тема ближайшей встречи, которая пройдет 19 ноября в 19:00 мск, — «Режим «дотянуть до праздников»: что делать с управленческой усталостью».
Вступить в сообщество Школы управления РБК в Telegram или «Максе», чтобы общаться с руководителями из разных сфер, выстраивать нетворкинг и получать советы экспертов.

