Кратко
Опрос Deloitte за август 2026 года показал: 43% руководителей ожидают, что агентный ИИ нарушит привычную работу сотрудников в течение 18 месяцев, а через 2–3 года эта доля вырастет до 72%. Однако готовы к этому лишь 25%, и только 5% считают, что их процессы в высокой степени подготовлены. Гай Куйяр утверждает, что прежняя модель обучения неэффективна: курс может объяснить, что делает инструмент ИИ, но не способен воссоздать давление, возникающее при необходимости решить, можно ли ему доверять. Командам нужны реалистичные среды для моделирования, где можно извлечь пользу из ошибок до того, как внедрять ИИ в реальную работу.
Руководители допускают опасную ошибку в работе с ИИ. Они готовят сотрудников к использованию новых инструментов, хотя должны готовить их к работе по-новому. По мере того как ИИ-агенты начинают давать рекомендации, принимать решения, координировать действия и выполнять задачи, настоящая трансформация происходит не внутри программного обеспечения, а внутри организации. Если руководители не подготовят людей к этим изменениям до внедрения, значит, они не управляют трансформацией с помощью ИИ, а играют в азартную игру.
В опросе Deloitte за август 2026 года, в котором участвовали 501 руководитель из сферы бизнеса и ИТ в США, выяснилось, что 43% ожидают, что агентный ИИ существенно изменит состав их сотрудников в ближайшие 12–18 месяцев, а через два-три года эта доля вырастет до 72%. Однако лишь 25% заявили, что их организации готовы или хорошо подготовлены к этим изменениям с точки зрения готовности персонала, и только 21% сказали то же о бизнес-процессах. Лишь 5% считают, что их процессы в высокой степени подготовлены к работе с ИИ-агентами. Амбиции огромны, но готовности им не хватает.
Десятилетиями я наблюдал, как организации внедряют мощные технологии и совершают одну и ту же ошибку. Они сосредоточиваются на том, работает ли система, и недооценивают готовность людей работать по-новому. В случае с ИИ эта ошибка гораздо опаснее, поскольку такие системы уже не просто помогают. Агент может выполнить задачу, повлиять на решение, запустить другой процесс и передать работу другому агенту. Это меняет распределение задач, принятие решений и ответственность.
И ответственность нельзя переложить на машину.
Сотрудники должны знать, когда принять рекомендацию ИИ, когда оспорить ее, а когда остановить систему. Если один отдел позволяет агенту оптимизировать собственную работу, руководители должны понимать, как это решение повлияет на финансы, операционную деятельность, продажи, клиентов и остальную часть компании. Ответственный за результат не может пожать плечами и сказать: «Это сделал ИИ».
Именно поэтому я считаю, что прежняя модель обучения совершенно неэффективна. Курс может объяснить, что делает инструмент ИИ. Но он не воссоздаст напряжение, возникающее, когда нужно решить, доверять ли ему, зная, что у решения будут последствия.
Люди должны опробовать новый способ работы до того, как им придется применять его на практике, причем делать это нужно всей командой, а не поодиночке.
Для этого командам нужны реалистичные и безопасные среды, где они смогут выполнять бизнес-процессы, взаимодействовать с коллегами из других подразделений, работать вместе с ИИ-агентами, которые сами становятся членами команды, принимать решения и видеть их последствия. Моделирование эффективно именно потому, что в безопасных условиях ошибки полезны. Соревновательный элемент меняет сам процесс: люди тестируют, приспосабливаются, запоминают и учатся. Руководители же могут увидеть, где команды чрезмерно доверяют ИИ, без необходимости медлят или не замечают последствий для других подразделений.
Если все сделать правильно, выгода будет значительной. Сотрудники работают быстрее, потому что знают, какие задачи делегировать. Они принимают более взвешенные решения, потому что понимают, где важна человеческая оценка. Подразделения руководствуются общим представлением о работе компании, а не оптимизируют отдельные задачи в отрыве от остальных. ИИ становится множителем человеческих возможностей, а не очередной дорогой системой, оставшейся на обочине.
Если же все сделать неправильно, результат будет противоположным. Компании тратят огромные средства на агентов, которым сотрудники не доверяют или которых не понимают. Рабочие процессы усложняются вместо того, чтобы упрощаться. Люди экспериментируют в реальных условиях, расходуя дорогостоящие ресурсы ИИ и обучаясь методом проб и ошибок. Ошибки распространяются быстрее, потому что машины могут быстрее их выполнять. Инвестиции растут, а внедрение буксует.
Исследование Deloitte ясно показывает, перед каким выбором мы стоим. Семьдесят пять процентов опрошенных руководителей считают, что сотрудничество людей с ИИ-агентами приносит больше пользы, чем одна лишь автоматизация, а половина заявляет, что их организации недостаточно инвестируют в трансформацию персонала, связанную с ИИ. Почти две трети пересматривают свои бизнес-модели, но лишь примерно каждый пятый считает, что организация готова перестроить процессы для автономной работы.
Поэтому прежде чем одобрять очередное внедрение ИИ, потребуйте доказательств готовности персонала. Поместите сотрудников в реалистичные сценарии работы с ИИ до того, как они начнут отвечать за реальные результаты. Пусть они оспаривают решения системы, вмешиваются, когда она дает сбой, и сталкиваются с последствиями собственных решений. Оценивайте, действительно ли они способны работать в новых условиях, а не просто прошли учебный курс.
Не передавайте ИИ сотрудникам, которых научили лишь пользоваться им. Подготовьте людей к тому, чтобы они задавали системе вопросы, управляли ею и отвечали за ее действия. Готовность персонала не должна быть последним этапом перед внедрением. Именно она должна стать условием, которое делает внедрение возможным.
Опубликовано 29 сентября 2026 - 10:04 Наверх
