Не позволяйте ИИ украсть вашу уникальность. Руководство по защите человеческого капитала

Компании хватаются за ИИ как за спасательный круг, ожидая роста эффективности, а на выходе получают «цифровой Левиафан». Организации теряют способность мыслить, доверять друг другу и больше не ищут нестандартных решений.

Почему? Потому что ИИ усредняет уникальность, подгоняет компанию под общий знаменатель, и атрофирует те важные навыки, которые делали вас сильными.Это Вера Ясюкевич из Студии КЛБР. Сегодня расскажу, что с этим делать.

Примечание. Эта статья основана на материале Ганны Погребны (David Trimble Chair at Queens University Belfast) и Грехэма Кенни (CEO of Strategic Factors, автор книги «Strategy Discovery»), опубликованном в Harvard Business Review в апреле 2026 года. Мы глубоко благодарны авторам за их исследование и идеи. В этом тексте мы дополнили их концепции и добавили собственные аналогии.

Во-первых, почему ИИ делает вас похожими на остальных?

Причина кроется в самой природе современных нейросетей – они не предназначены для поиска «лучшего» или «прорывного» решения. Алгоритмически ИИ предсказывает наиболее вероятный исход, так как опирается на исторические данные.

А вот какими факторами это обусловлено:

1. Модели тренируются с использованием методов вроде RLHF (Reinforcement Learning from Human Feedback), который намеренно «выдавливает» нестандартные, рискованные или креативные ответы, поощряя безопасные, типичные и одобряемые большинством паттерны.
2. Искусственный интеллект действует как калькулятор сходств: он ищет близкие паттерны в многомерном пространстве данных. Он умеет находить «золотую середину» между уже известными примерами (это интерполяция), но не способен выйти за их пределы и создать принципиально новое (экстраполяция). А из-за ограниченного контекстного окна все тонкости и нюансы вашего бизнеса неизбежно сжимаются до общих шаблонов.
3. Если компания внедряет ИИ, ориентируясь исключительно на KPI, возникает эффект положительной обратной связи: одни и те же шаблоны начинают циклически повторяться, тиражироваться и восприниматься как норма. В результате уникальные, но сложные для количественной оценки стратегии постепенно вытесняются.

В итоге вместо уникальных стратегий компании получают «нормальные, но одинаковые» решения. Более того, делегируя мышление ИИ, люди перестают проходить через собственные ошибки и живую обратную связь от рынка. 

Дальше мы рассмотрим три механизма разрушения, подтвержденных кейсами из статьи Ганны Погребны и Грехэма Кенни, и конкретные шаги, как это остановить.

Проблема 1. Когнитивная лень: сотрудники перестают думать

ИИ создает иллюзию всезнания, ведь ответ нейросети звучит пугающе правдоподобно. Человеческий мозг устроен так, чтобы экономить энергию, поэтому сотрудники быстро поддаются «когнитивной разгрузке»: зачем ломать голову, если машина уже все решила?

Кейс Creston Telecom, австралийского оператора связи:

Руководитель стратегического планирования Хосе заметил, что менеджеры среднего звена перестали обосновывать свои решения. 

На презентациях они просто показывали три варианта от ИИ, но не могли внятно ответить на вопрос: «Почему один из них лучше подходит для нашей компании?». Их навыки стратегического суждения атрофировались, потому что долгое время не использовались.

Это очень похоже на бум Scrum и Канбана в финтехе 5-7 лет назад. Тогда же в Harvard Business Review вышла статья бывших топ-менеджеров Amazon Колина Брайра и Билла Карра «Have We Taken Agile Too Far?», где они прямо описывали этот эффект: agile превратился в отговорку, позволяющую избежать вдумчивого планирования, а команды застряли в логике двухнедельных спринтов вместо стратегического мышления.

Менеджеры думали, что если они идеально отрепетируют Scrum и рассчитают пропускную способность Канбана, то проблема стратегического выбора решится сама собой. Они научились правильно «проводить ритуалы», но разучились отвечать на вопрос: «А ту ли задачу мы решаем?».

Фреймворки Scrum загоняли в операционные рамки. ИИ же загоняет в когнитивные рамки. Результат: организация становится идеально предсказуемой в рутине и абсолютно беспомощной в нестандартной ситуации. Потому что нестандартная ситуация – это всегда 

выход за пределы правил. А выходить за правила разучились.

Что с этим делать?

1. До того как внедрите ИИ в ключевой процесс, сядьте и выпишите: какие человеческие навыки вы категорически не готовы потерять?

А потом сделайте как Creston Telecom

2. Введите «сессии без ИИ»: команда сначала думает сама, фиксирует свою логику, только потом сверяется с машиной.

3. Запустите «стратегическую резиденцию»: молодые управленцы полгода учатся у топов на настоящих кейсах – там, где алгоритмы бессильны.

В общем, пробуйте. Внедряйте.

Проблема 2. Топ-менеджмент верит, что ИИ заменит людей

Инвесторы и топ-менеджеры, наслушавшись громких новостей, искренне верят, что нейросети могут заменить целые команды – от разработки до маркетинга.

Я приведу живой диалог из реальной практики:

Инвестор: «Зачем вам студия разработки? Возьмите четырех джунов, нейросети, и все будет готово за три месяца».Продакт-менеджер: «Так не работает».Инвестор: «Объясните мне, почему. И объясните это моим партнерам».

Этот кейс показателен. ИИ сегодня продается как «палочка-выручалочка» настолько агрессивно, что начинает разрушать саму логику управления бизнесом.

Вместо разговоров про архитектуру решений, накопление экспертизы, проверку гипотез, развитие инфраструктуры, рынку продают идею «волшебного калькулятора», который якобы способен заменить системную работу.

В результате у топ-менеджмента формируется опасная иллюзия, что сложные организационные и продуктовые задачи можно решить заменой людей, а не развитием системы.

Разместите
тендер бесплатно

Наша система сама подберет вам исполнителей на услуги, связанные с разработкой сайта или приложения, поисковой оптимизацией, контекстной рекламой, маркетингом, SMM и PR.

Заполнить заявку 13470 тендеров
проведено за восемь лет работы нашего сайта.

Кейс. Миф про массовые увольнения из-за ИИ в Oracle:

Вы наверняка сталкивались с громкими заголовками в духе «Oracle уволил десятки тысяч разработчиков из-за внедрения ИИ». Звучит эффектно, но это ложная интерпретация. 

На самом деле компания уперлась в ограничения по финансированию инфраструктуры – ей потребовались ресурсы на развитие дата-центров, и для этого пришлось сокращать расходы, в том числе штат. ИИ в этой истории, конечно же, выступил причиной увольнений, но не в том смысле.

Oracle уволил бы этих людей в любом случае, просто в текущем информационном поле СМИ куда проще сказать «всех заменяет ИИ», чем вдаваться в сложную финансовую и инфраструктурную логику.

Проблема 3. ИИ намертво закрепляет правила, которые сначала должны обсуждаться

В любой организации есть моральные и стратегические выборы: кому выделить ресурсы, кого считать успешным сотрудником, чью заявку одобрить, а чью отклонить.

Раньше эти решения были видимыми и обсуждаемыми. Кредитные комитеты не просто одобряли займы – они спорили о стандартах, оспаривали допущения, развивали политику. Комитеты по повышению договаривались о том, что считать заслугой. Комплаенс интерпретировал неоднозначные правила.

ИИ меняет эту динамику кардинально. Он «зашивает» субъективные решения в технические системы. То, что раньше требовало живого обсуждения и коллективной ответственности, теперь происходит автоматически, конвейерно и на высокой скорости. Моральное содержание решений исчезает за моделями, метриками и функциями оптимизации.

Кейс Piedmont Regional, американского банка с активами более $30 млрд:

В банке обнаружили, что кредитный комитет перешел в режим «автопилота». Кредиторы с большим опытом, ранее лично разбиравшие 15% самых нестандартных заявок, теперь почти безоговорочно доверяют рекомендациям ИИ и перестали задавать вопрос: а корректны ли сами критерии оценки?

Что сделало руководство?

1. Ежеквартальные круглые столы по кредитным стандартам. Теперь комитет систематически обсуждает и фиксирует изменения в критериях выдачи. Вопрос «Подходит ли эта заявка?» заменили на «А верны ли наши критерии сегодня?».
2. Новую модель ученичества: младшие аналитики обязаны проходить ротацию в комитетах, чтобы учиться не просто интерпретировать рекомендации ИИ, но и оспаривать их. Как выразилась директор по персоналу Джейн: «Мы создали институциональную инвестицию в способность выносить обоснованные суждения».

Эти искусственно созданные точки трения чуть замедляют отдельные операции, но восстанавливают стратегическую мускулатуру и взаимную ответственность. 

Проблема 4. Когда клиенты чувствуют себя обманутыми

Бизнес – это не просто свод правил и процессов. Это социальные структуры, держащаяся на доверии, взаимопонимании и общей цели. Такие качества рождаются только через человеческое взаимодействие: будь то сотрудничество или конфликт.

ИИ угрожает этой ткани двумя способами:

1. Во‑первых, он вытесняет живые обсуждения. Люди все чаще обращаются к персонализированным инструментам за мгновенными ответами вместо того, чтобы совместно искать компромиссы.
2. Во‑вторых, когда решения начинают казаться результатом работы непрозрачного алгоритма, традиционные источники авторитета (руководители, менеджеры, эксперты) утрачивают доверие. Сотрудники и клиенты перестают понимать, кто на самом деле несет ответственность за решения.

Кейс рекламного агентства Brightview Creative, Великобритания:

Агентство активно использовало ИИ для таргетинга, оптимизации креатива и управления кампаниями. И хотя в отчетах все было замечательно, клиенты массово расторгали контракты. 

Генеральный директор Лоуренс провел личные беседы с расторгшими контракт клиентами и рассказал: 

«Главная жалоба была в том, что мы превратились в автомат, а не остались креативным партнером. Наши команды научились генерировать планы через ИИ, но когда клиент спрашивал о логике решения для его уникального бренда – следовало молчание. Мы вырастили операторов, но потеряли креативных стратегов».

Решение Brightview:

1. Запрет на использование сгенерированного ИИ контента в презентациях для клиентов. Команды обязаны создавать собственные стратегические нарративы и объяснять свою логику.
2. В каждой клиентской группе появился «стратегический лидер» – старший специалист, который оспаривает выводы ИИ и отстаивает решения, упущенные алгоритмом. Эти лидеры и стали «человеческим лицом» экспертизы в компании.

Чек-лист: как использовать ИИ как усилитель, а не заменителя мышления

1. Определите зоны, где ИИ не используется принципиально. Это стратегические сессии, продуктовые гипотезы, архитектурные решения. Правило здесь следующее: сначала думаем, потом проверяем через ИИ, но не наоборот.
2. Верните в процессы «точки трения». Обязательные ревью решений, защита гипотез, дискуссии перед запуском – без этого экспертиза не сформируется.
3. Передавайте знания. ИИ убивает обучение через опыт, и это нужно компенсировать. Парная работа младших и старших, участие джуниоров в сложных решениях, разборы того, почему мы так решили, – учить не тому, что делать, а тому, как думать.
4. Введите метрики на мышление, а не только на результат. Если измерять только результат, процесс будет убит. Оценивайте качество аргументации, глубину анализа, количество рассмотренных альтернатив.
5. Регулярно пересматривайте правила. Любая ИИ-модель фиксирует определенную логику, а логика устаревает. Раз в квартал пересматривайте критерии, задавайте вопрос «а они еще верны?» и ломайте устоявшиеся нерабочие паттерны. Иначе вы автоматизируете прошлое.
6. Не стремитесь к идеальной безошибочности. Внедрите процессы, где люди принимают решения без подсказок ИИ, несут за них ответ и разбирают промахи. Потому что рост нужен и через боль.
7. Верните человеческое лицо в работу с клиентом. Клиент должен видеть не алгоритм, а мышление. Запретите показывать сырой AI-вывод и ссылаться на «так посчитала модель». Требуйте собственную позицию, объяснение решений и защиту логики. 
8. Защищайте свою уникальность. Конкурентное преимущество – в отклонении от нормы. Регулярно спрашивайте себя: где мы делаем не как все? Какие решения противоречат «лучшим практикам»? Именно это и нужно сохранять.
9. Не стройте процессы вокруг ИИ, а встраивайте ИИ в процессы. Разница критическая. Не «как нам перестроить все под ИИ?», а «где ИИ усиливает уже работающую систему?». Иначе теряется архитектура бизнеса.
10. Не делайте ИИ индульгенцией для управленческой слепоты. Сложные продуктовые задачи не решаются заменой людей. Они решаются развитием системы. Если топ-менеджмент верит в обратное, это не прогресс, а деградация.

Главное правило: если ИИ начал думать за вас, вы проигрываете. Если он думает вместе с вами, вы усиливаетесь.

На самом деле компания уперлась в ограничения по финансированию инфраструктуры – ей потребовались ресурсы на развитие дата-центров, и для этого пришлось сокращать расходы, в том числе штат. ИИ в этой истории, конечно же, выступил причиной увольнений, но не в том смысле.

1. Не делайте ИИ индульгенцией для управленческой слепоты. Сложные продуктовые задачи не решаются заменой людей. Они решаются развитием системы. Если топ-менеджмент верит в обратное, это не прогресс, а деградация.

Вы наверняка сталкивались с громкими заголовками в духе «Oracle уволил десятки тысяч разработчиков из-за внедрения ИИ». Звучит эффектно, но это ложная интерпретация.