ИИ дал почти каждому специалисту исполнителя, но не умение управлять

На одном из занятий бухгалтер попросила Codex выполнить задачу. Получилось не то, что ей требовалось. Она это заметила — и остановилась. Не объяснила, что именно не подходит, не попросила изменить результат. Следующей команды не последовало.

Машина не обижается на замечания. Но и не догадывается о них.

По одному эпизоду нельзя судить о причинах. Но дело не сводится к цифровой грамотности: сотрудница воспользовалась инструментом и распознала плохой результат. Работа остановилась между внутренним «это не то» и внешним «сделай иначе». Ее молчание не стало для машины инструкцией.

Подобные паузы я встречаю, обучая применению ИИ слушателей MBA-, EMBA- и DBA-программ четырех бизнес-школ региона. Это наблюдение, не исследование. Но оно заставляет спросить: не здесь ли возникает барьер корпоративного внедрения ИИ — уже после первого ответа системы?

Старая поговорка предлагает выход: «Хочешь сделать хорошо — сделай сам». После неудачного ответа легко закрыть чат и переделать работу вручную. Качество спасено, но способ производства не изменился, а инструмент не дал прироста производительности.

Для эпохи ИИ правило приходится переписать: хочешь сделать хорошо — управляй сам. Это не значит лично выполнять или проверять все: часть исполнения и контроля тоже можно автоматизировать. Но машина не должна по умолчанию сама определять цель, допустимые отклонения и момент завершения работы.

Но управлять чужим исполнением умеют не все: раньше большинству специалистов это просто не требовалось. Возможность регулярно поручать работу обычно приходила с должностью и подчиненными людьми. Теперь бухгалтер поручает машине расчет, юрист — разбор документа, программист — изменение кода. Без повышения специалист становится заказчиком и организатором части работы. ИИ сделал делегирование массовым раньше, чем умение управлять.

Готовый ИИ-агент не снимает эту роль. В «аналитика» или «продавца» уже встроены чужие представления о цели, качестве, источниках и риске. Не проверив их, компания вместе с агентом покупает чужую модель своей работы. Его цель и критерии надо принять как свои.

Рынок агентов — частный случай общего сдвига. Управленческая работа спускается к специалистам, которые ставят и принимают машинную работу, и поднимается к руководителям: им нужно проектировать правила, доступы, границы автономии и ответственность человеко-машинных процессов.

Для специалиста эта работа становится видна, когда машина выдает плохой результат. Но управление началось раньше: нужно было определить требуемый результат, данные и ограничения. После ответа — указать, что изменить, и решить, можно ли использовать машинный черновик. Для опытного коллеги «сделай как обычно» может содержать годы общего контекста; для системы это почти пустая инструкция. Поэтому выросла ценность управления знаниями: нужно определить, что должен знать исполнитель, где найти это знание и как передать его в рабочей форме.

В цене выросла и другая управленческая способность — менять не только результат, но и порядок его производства. Разовый отчет можно исправить вручную. Но при ежемесячном выпуске разумнее изменить инструкцию, источники, шаблон или контрольную процедуру и воспроизводить уже исправленный порядок. Ручная правка каждого отчета похожа на подпиливание каждой детали вместо переналадки станка. Исправленный файл спасает один отчет. Исправленная инструкция — все следующие. Специалист не всегда вправе утвердить новую инструкцию, но должен увидеть системную причину и передать вопрос тому, кто меняет порядок.

Этой работе — от профессионального суждения до изменения порядка — соответствует формула «профессия + управление + ИИ». Это устройство профессиональной компетентности, не три учебные темы. Профессия позволяет судить о результате; управление — организовать его получение и приемку; ИИ-компонент — учесть особенности машинного исполнителя. В истории бухгалтера профессия выявила дефект; управление должно было превратить оценку в действие; ИИ-компонент — учесть отсутствие неявного контекста и риск правдоподобной ошибки. Именно этой связной способности и следует учить.

Один риск — восприятие ИИ как самостоятельного сотрудника: стоило инструменту получить должность, как человек начал отдавать ему и часть ответственности. В июльском исследовании 2026 года Putting AI on the Org Chart: Evidence on Delegation and Oversight Эмма Уайлз из Boston University и коллеги из BCG провели рандомизированный эксперимент с 813 руководителями из HR и финансов. Все проверяли одинаковые документы с ошибками; менялось только описание автора — ИИ-инструмент, «ИИ-сотрудник» ALEX-3 или человек. Для всей выборки эффект был мал. Но в компаниях, уже включивших ИИ-агентов в организационные схемы, при обозначении «ИИ-сотрудник» нашли на 18% меньше ошибок и перенесли часть ответственности на систему.

Есть и менее мрачная сторона. ИИ заставляет переводить недовольство с языка настроения на язык действия: внутреннее «не то» — в наблюдаемое расхождение, желаемое изменение и следующий шаг. Так он может стать тренажером ясной обратной связи. Это не означает автоматического переноса в отношения с людьми, где есть эмоции, статус и право не согласиться. Но полезная речевая практика получает множество безопасных повторений. ИИ не обязательно сделает нас вежливее. Но он может приучить яснее говорить, чего мы хотим.

Вернемся к бухгалтеру. Вместо магического промпта достаточно было сказать: «Это не подходит. Вот расхождение, вот нужный результат и вот что следует изменить. Покажи новую версию». А если расхождение возникает каждый месяц — спросить, не пора ли изменить порядок, который его производит.

Минутная пауза одного сотрудника на уровне компании складывается в потерю производительности. Компании считают лицензии, пользователей и отправленные запросы. Но отдача может потеряться после первого ответа — в паузе, когда человек уже понял, что получил не то, но еще не сделал следующий управленческий шаг. ИИ сделал делегирование массовым. Теперь массовым должно стать и умение управлять исполнением.