Поколение ChatGPT выходит на работу. Как к этому подготовиться

Внедрение искусственного интеллекта воспринимается бизнесом как понятная техническая задача. Использование ИИ на рабочих местах за два года удвоилось (с 21 до 40%), а в IT-сфере и вовсе достигло 76%. При этом более половины сотрудников поколения Z обращаются к нейросетям чаще, чем к поисковикам или коллегам, а 43% из них общаются с ИИ ежедневно не менее 30 минут. Теперь проблемы появляются в связи со сменой парадигмы организации работы.

Именно поэтому бизнесу приходится адаптироваться не только к новой технологии, но и к новому типу взаимодействия людей с информацией. При этом главная проблема бизнеса не в том, что сотрудники используют ИИ. Проблема в том, что они перестраивают под него свое рабочее поведение быстрее, чем компании успевают перестроить внутренние правила, процессы и регламенты.

Что отличает AI-native-сотрудников и как их особенности сказываются на рабочем процессе

AI-native-специалисты все чаще формулируют запросы и задачи так, как будто составляют промпт для нейросети. ИИ для них в решении задач — привычная точка входа. Они подробно описывают контекст, ожидаемый результат и необходимые ограничения. Аналогичной точности они ждут и от руководителей.

Меняется и сам подход к работе: искусственный интеллект становится постоянным помощником, к которому сотрудник обращается на всех этапах работы — от поиска информации до подготовки рабочих материалов и проверки гипотез. Иными словами, если раньше сотрудники осторожно использовали ИИ лишь для узкого круга задач, к примеру только для поиска информации, то теперь ИИ стал широко применяться даже для решения простых повседневных задач. И это уже не редкое обращение к нейросетям ради эксперимента, а формирование устойчивой когнитивной привычки — сначала спросить ИИ, потом уточнить, доработать и принять решение. Эти изменения стали заметны буквально в последние полгода.

Но распространение ИИ-инструментов влияет и на саму модель взаимодействия сотрудников со знаниями и экспертизой. Все отчетливее проявляются новые паттерны поведения, к которым бизнесу придется адаптироваться уже в ближайшие годы:

Тихий протест: что делать, если сотрудники не хотят учиться

Образование

• Снижение потребности в запоминании информации. Готовность полагаться на внешние источники знаний распространилась задолго до появления ИИ, однако нейросети заметно ее усилили. Сотрудники не стремятся удерживать информацию в памяти, поскольку нужные данные можно быстро найти или повторно сгенерировать. В результате глубокое осмысление иногда уступает место быстрому поиску готового ответа.

• Низкая терпимость к рутинным операциям. Если отчет, презентацию или черновик документа можно подготовить за считаные минуты, выполнение тех же действий вручную все чаще воспринимается как неэффективная трата времени.

• Обесценивание сухих фактов. Структурированную информацию теперь проще получить у нейросети, поэтому от руководителей и опытных коллег ждут другого — реального опыта, кейсов, ошибок и объяснения логики принятых решений. Сегодняшним сотрудникам интересен живой сторителлинг, которого нет в выдаче ИИ, а также личный опыт и реальная экспертиза из первых рук — то, чего не найти в Google.

При этом у нового поколения есть и сильные стороны: высокая скорость работы, привычка быстро проверять гипотезы и готовность экспериментировать. Но без реального бэкграунда и предметных знаний многие идеи остаются поверхностными.

Почему это становится проблемой для бизнеса

Еще один вызов для бизнеса сегодня — столкновение старых управленческих моделей с новым типом сотрудников. Компании по-прежнему пытаются контролировать процесс работы и оценивать логику принятия решений, тогда как молодые специалисты, активно пользуясь ИИ-инструментами, работают по другим принципам.

Так, сотрудники начинают перекладывать ответственность на ИИ, качество работы проседает из-за отсутствия фактчекинга, а использование сторонних сервисов создает угрозы для корпоративных данных. Дополнительно усиливается и межпоколенческий конфликт: часть опытных менеджеров воспринимает ИИ как угрозу, тогда как новое поколение считает его обязательным рабочим инструментом. При этом сама технология, как и когда-то Excel, не заменяет специалистов, а меняет требования к навыкам и подходам к работе.

MBA от РБК со скидкой до 37%. Превратите ваш опыт в систему

Школа управления РБК

Кроме того, раньше руководитель в компании контролировал процесс и мог в любой момент спросить: «Как ты к этому пришел? Какова была цепочка рассуждений?» Теперь же сотрудник приносит результат и нужно спрашивать, насколько он в нем уверен. Просто проверить факт выполнения задачи недостаточно.

Теневой ИИ как следствие невнимания работодателей к проблеме

Несмотря на высокий уровень использования LLM, официальный доступ к чат-ботам от работодателя получают лишь 18% сотрудников. Остальные вынуждены искать обходные пути и использовать личные аккаунты и подписки без ведома компании. Таким образом формируется так называемый теневой ИИ (Shadow AI) — практика, когда сотрудники регулярно работают с нейросетями вне корпоративного контура и установленных правил.

Проблема теневого использования IT-решений не новое явление, однако с появлением искусственного интеллекта стала иметь более серьезные последствия. Если раньше речь шла о файлообмене через сторонние сервисы, то теперь сотрудники могут загружать в публичные ИИ-инструменты чувствительные данные — договоры, внутреннюю аналитику, код, коммерческие предложения и данные из CRM — ради скорости и удобства.

Ключевые причины распространения:

• Запреты без объяснений, которые воспринимаются как формальность и игнорируются.

• Медленные корпоративные процессы — ожидание доступа и согласований не соответствует темпу задач.

• Отсутствие обучения: сотрудники не знают, какие данные нельзя передавать, как проверять ответы ИИ и где требуются ручная валидация и контроль.

В результате формируется стихийная практика использования ИИ без правил и контроля.

Главный риск — не только утечки данных, но и потеря управляемости. Руководство теряет прозрачность процессов: решения могут уже приниматься с участием внешних ИИ-инструментов, оставаясь вне корпоративного контура и контроля.

Компании, которые будут пытаться просто запретить ИИ, скорее всего, столкнутся с ростом его теневого использования. Компании, которые разрешат сотрудникам все без ограничений, получат риски утечек данных, потерю в качестве и ответственности. Более сильная позиция находится между этими крайностями — создать корпоративный контур, определить допустимые сценарии, обучить команды, встроить проверку результата и сохранить развитие человеческой экспертизы.

Как бизнес может приспособиться к изменениям?

Полностью запрещать нейросети в работе — тупиковый путь, который лишь усиливает риски. Более продуктивный способ — признать, что ИИ уже стал частью рабочей среды, и встроить его в управляемую модель.

Для этого компании важно определить разные сценарии применения нейросетей. Есть задачи, где ИИ может использоваться свободно, к примеру подготовка черновиков, структурирование идей, поиск формулировок и других простых задач. Тем не менее есть задачи, которые требуют ограниченного применения ИИ, например работа с персональными данными, коммерческой тайной, юридически значимыми документами и финансовыми расчетами. При этом необходимо выделить зоны, где использование внешних моделей должно быть или запрещено, или разрешено только внутри защищенного корпоративного контура.

Когда такие границы определены, меняется механизм контроля. Руководитель должен понимать, как результат был проверен: какие данные использовались, что было сгенерировано ИИ, какие выводы сотрудник сделал самостоятельно, какие источники подтверждают его позицию.

В связи с этим возникает еще одна задача — развивать ИИ-грамотность не только у сотрудников, но и у руководителей. Компании часто обучают специалистов пользоваться промптами, но забывают про менеджеров. В результате руководитель не всегда понимает, как оценивать работу, выполненную с помощью ИИ, какие вопросы задавать, где искать риски и как отличать качественное использование инструмента от простой генерации без понимания. Между тем именно руководитель становится первым фильтром качества и должен помогать команде правильно валидировать ответы.

Поэтому корпоративное обучение тоже придется пересматривать. Сотрудникам нужно показывать, как применять ИИ безопасно и профессионально, не подменяя генерацией собственное решение. Так, ИИ-грамотность становится в результате частью общей профессиональной культуры наряду с критическим мышлением, фактчекингом и пониманием предметной области.

Особенно важно сохранить развитие профессиональной экспертизы у молодых специалистов. Если сотрудник с первых месяцев работы привыкает получать готовые ответы от ИИ, то может быстро научиться собирать внешне убедительные материалы, но не сформировать глубокого понимания профессии. Поэтому руководителю нужно создавать ситуации, где сотрудник не просто приносит результат, а объясняет логику, защищает выводы, разбирает ошибки и получает обратную связь от эксперта. ИИ может ускорять работу, но не должен отменять способность человека понимать, что именно он делает и почему.