ENG
Когда в компании обсуждают внедрение искусственного интеллекта (ИИ), в центре внимания обычно оказываются технологии: какие модели использовать, где брать данные, как встроить решение в ИТ-контур и сколько все это будет стоить. Но на практике многие ИИ-проекты буксуют не из-за технических ограничений, а из-за сопротивления сотрудников.
Это не проявляется открыто: сомнения, настороженность, постоянные вопросы и уточнения, куча комментариев, что здесь «ИИ точно не нужен». Для бизнеса это отдельная проблема, потому что даже при наличии бюджета и интереса со стороны руководства проект может затормозить еще до запуска.
На мой взгляд, такое сопротивление чаще возникает там, где ИИ пытаются внедрить, не разобравшись до конца в реальных задачах, логике процессов и повседневной работе людей.
Расскажу, почему сотрудники настороженно воспринимают ИИ и что помогает компаниям преодолеть эти барьеры.
ИИ до сих пор воспринимают через классическую автоматизацию
Сотрудники нередко смотрят на искусственный интеллект через призму знакомых инструментов — прежде всего программных роботов (RPA, Robotic Process Automation). Логика проста: если в компании уже есть RPA, зачем нужен еще и ИИ? Все уже автоматизируется, зачем добавлять что-то еще?
На практике разница принципиальна. Робот полезен там, где есть жесткий сценарий: четкая последовательность шагов, понятный формат входных данных, предсказуемый интерфейс. Он повторяет действия, которые раньше выполнял человек. Но если процесс выходит за пределы шаблона или нужен контекст, начинается зона, где RPA недостаточно.
Искусственный интеллект работает иначе. Он не просто выполняет набор команд, а помогает решать задачу в рамках бизнес-логики: понимает смысл текста, сопоставляет данные из разных источников, учитывает контекст, выявляет недостающую информацию, выбирает сценарий дальнейшей обработки. Иными словами, ИИ работает не только с интерфейсом, но и со смыслом.
Важно не просто сказать команде менторским тоном «Это другое!», а показать разницу на конкретных примерах. Лучше всего это работает на понятных процессах: например, RPA может обработать письмо по шаблону, а ИИ — разобраться в свободной формулировке запроса, определить, каких данных не хватает, и запустить следующий шаг процесса. Когда сотрудники видят эту разницу в прикладном сценарии, сопротивление снижается: ИИ начинает восприниматься как способ снять рутину, с которой классическая автоматизация не справляется.
Кроме того, это важно и с долгосрочной позиции. По мере усложнения процессов роль ИИ в автоматизации будет увеличиваться. Поэтому компаниям уже сейчас важно объяснять сотрудникам, что речь идет не о временном «модном дополнении» к привычным роботам, а о следующем этапе автоматизации.
Сотрудники не верят, что ИИ справится со сложным процессом
Это распространенная реакция, особенно в закупках, документообороте, финансах, клиентском сервисе и других функциях, где сотрудники привыкли полагаться на собственную экспертизу. Они знают, сколько в процессе скрытых условий и нетиповых ситуаций, и поэтому заранее воспринимают искусственный интеллект как источник ошибок и дополнительной ручной проверки.
Но, как показывает опыт, проблема не в самой технологии. Чаще дело в том, что логика процесса не формализована в достаточной степени. Правила проверки, сопоставления, обработки исключений и принятия решений нередко существуют только в голове у профильных специалистов. Пока эта экспертиза не переведена в понятные сценарии, любой ИИ-проект будет восприниматься с недоверием.
Был пример, когда команда клиента сомневалась, что ИИ беспроблемно будет работать со специфическими справочниками и сократит время обработки документов в процессе закупок. Но после детальной проектной проработки были согласованы правила верификации, логика сопоставления, сценарии обработки исключений и поиска аналогов. В результате обработка документов ускорилась в 12 раз, а 95% закупочных позиций стали проходить без участия человека.
Для работников это переломный момент. Пока ИИ воспринимается как абстрактная технология, недоверие остается высоким. Но когда команда видит, что ее экспертиза переведена в рабочую логику системы и подтверждена пилотом на реальном участке, сопротивление заметно снижается.
Часто сотрудники сопротивляются не ИИ, а непрозрачности изменений
Во многих компаниях руководству кажется, что процессы давно понятны и прозрачны: есть регламенты, роли, системы, KPI. Но если посмотреть на повседневную работу сотрудников, картина куда сложнее.
На бумаге процесс выглядит просто: пришел запрос, сотрудник его обработал, подготовил документы и отправил ответ. На практике между этими шагами скрывается множество микродействий: открыть письмо, перенести данные в Excel, сверить реквизиты в одной системе, затем в другой, подготовить шаблон, переслать коллеге, дождаться проверки, исправить неточности, приложить документы и только потом отправить ответ. По отдельности все это занимает минуты. Но если такие действия повторяются десятки раз в день, минуты превращаются в часы, а часы — в ощутимые потери времени и денег.
Проблема в том, что такие потери обычно не попадают ни в отчетность, ни в KPI. Бизнес видит крупные этапы процесса, но не видит реальную операционную нагрузку, в которой сотрудники постоянно сталкиваются с рутиной, ручным переносом данных и лишними переходами между системами. И когда в такую среду пытаются внедрить ИИ, сотрудники нередко воспринимают это как еще одну надстройку поверх уже существующего хаоса и опасаются, что к привычной работе просто добавится новый слой контроля.
Именно поэтому перед внедрением ИИ так важна предварительная аналитика бизнес-операций — Task Mining. Эта технология позволяет увидеть, как работа устроена в действительности: какие действия сотрудники выполняют в интерфейсах программ, сколько времени уходит на каждый шаг, где возникают повторяющиеся ручные операции, где есть перегрузка и на каких участках автоматизация даст максимальный эффект. По сути, Task Mining дает бизнесу ту прозрачность, без которой ИИ остается «слепым».
В связке с ИИ это особенно важно. Task Mining помогает понять, куда действительно стоит направлять усилия, а ИИ затем берет на себя те рутинные и повторяющиеся операции, которые реально тормозят процесс и съедают рабочее время.
Страх замещения
Наконец, есть и самая эмоциональная причина сопротивления: опасение, что внедрение ИИ приведет к сокращению роли сотрудника или вообще к его замене.
Эти страхи постоянно подпитываются внешним информационным фоном. Заголовки о том, что ИИ заменит офисных работников, давно стали частью медийной повестки. Даже если внутри компании никто напрямую об этом не говорит, тревожность все равно накапливается.
В результате сотрудники начинают смотреть на проект не через призму пользы, а через призму угрозы. Они меньше доверяют новой системе, внимательнее ищут в ней ошибки и болезненнее реагируют на любые сбои. И в такой атмосфере внедрение действительно идет тяжелее.
Хотя на практике ИИ чаще забирает не профессию целиком, а отдельные рутинные и повторяющиеся операции. Более того, значение профильного сотрудника в зрелой модели внедрения только возрастает: именно человек определяет границы применения технологии, контролирует результат, разбирает исключения и принимает окончательные решения там, где для этого требуется контекст, ответственность и опыт.
Поэтому одна из важнейших задач руководства — с самого начала объяснить команде, что модель внедрения строится не по принципу «вместо человека», а по принципу «человек плюс ИИ». Когда сотрудники понимают, какие задачи система берет на себя, где передает работу эксперту и какие решения остаются за человеком, уровень сопротивления заметно снижается.
Сопротивление нельзя «сломать» — его нужно разобрать
Главная ошибка при внедрении ИИ — считать сопротивление сотрудников проблемой коммуникации в узком смысле. На самом деле оно почти всегда указывает на более глубокие вопросы: компания не до конца понимает свои процессы, не видит скрытую операционную нагрузку, не объяснила границы ответственности, не показала практическую пользу и не связала технологию с реальными болями команды.
Поэтому успешное внедрение начинается не с обещания, что ИИ все исправит, а с гораздо более приземленной работы. Нужно увидеть, как процесс устроен в действительности. Понять, где сотрудники тратят время на рутину. Найти операции, где автоматизация даст максимальный эффект. Перевести экспертную логику в понятные правила. И только после этого подключать цифрового сотрудника.
Когда у бизнеса появляется такая прозрачность, сопротивление сотрудников перестает быть непреодолимым барьером. Люди начинают видеть в ИИ не абстрактную угрозу и не очередной модный проект, а рабочий инструмент, который снимает рутину, разгружает процесс и позволяет сосредоточиться на более ценных задачах.
