Многие ожидали, что искусственный интеллект освободит сотрудников от рутины и позволит работать меньше. Реальность оказалась иной: рабочий день стал длиннее, задач — больше, а границы профессий начали размываться. Разбираемся, что на самом деле происходит с нагрузкой в эпоху ИИ и что с этим делать.
Что показало исследование
Восемь месяцев — именно столько учёные из Школы бизнеса Haas при Калифорнийском университете в Беркли наблюдали за тем, как генеративный ИИ изменил рабочие привычки в американской технологической компании примерно с 200 сотрудниками.
Вывод исследователей, Аруны Ранганатан и Синьци Мэгги Е, оказался неожиданным: работать стало сложнее сразу в трёх направлениях.
Больше многозадачности. Сотрудники начали вести несколько потоков задач одновременно: запускали запросы к ИИ перед уходом на совещание или обед, чтобы инструмент «продолжал работать» без них. Формально это не ощущалось как дополнительная нагрузка, но рабочий день лишился естественных пауз.
Размывание ролей. Когда ИИ стал доступен всем, сотрудники начали брать на себя задачи соседних специалистов: правили код коллег, подключались к чужим проектам, расширяли зону ответственности. Исследователи описывают это как «тихое накопление объёма работы», которое поначалу кажется экспериментом, а потом становится нормой.
Удлинение рабочего дня. Никто не просил сотрудников работать дольше, они делали это сами. Возможность «попробовать ещё кое-что» с помощью ИИ оказалась слишком соблазнительной.
«Когда первоначальный азарт от экспериментов проходит, сотрудники обнаруживают, что их загруженность незаметно выросла. Это может привести к когнитивному переутомлению, выгоранию и ухудшению способности самостоятельного принятия решений» — Harvard Business Review.
А что говорят российские HR-практики?
Мы в сообществе Лидеры, HR-комьюнити Motivity для руководителей в области обучения и развития персонала, запускали этот вопрос в рамках рубрики «Вопрос недели».
Работы меньше точно не стало. Комментарии участников подтверждают эту тенденцию.
«Мы активно используем ИИ: он помогает создавать уроки, тесты и генерировать иллюстрации. Но экономии времени я особо не вижу. В целом он помогает в решении не более 5% задач. А вот задач действительно стало гораздо больше. И руководители почему-то считают, что мы с помощью ИИ разгрузили себя» — участник сообщества Лидеры.
Здесь проявляется важная управленческая ловушка: руководители видят, что ИИ «помогает», и делают вывод о высвободившихся ресурсах. Но на деле сотрудники просто берут на себя ещё больше.
Другой комментарий описывает явление, которое исследователи из Беркли назвали «рекурсией задач»:
«Выход на готовый продукт стал существенно быстрее, а проработка — глубже. Я стал покрывать зоны, в которых раньше не был силён. Новые области — новые задачи. И в этой рекурсии можно легко уработаться. Я стараюсь себя вовремя останавливать, хотя и злоупотребляю работой по выходным, прокручиваю промпты по дороге домой» — участник сообщества Лидеры.
Почему так происходит
Проблема не в самом ИИ. Проблема в том, как меняется восприятие возможного.
ИИ позволяет браться за задачи, которые раньше были за пределами возможностей сотрудника: написать код, не будучи разработчиком; подготовить финансовую модель, не будучи аналитиком; оформить дизайн, не имея профильного образования. Это ценно, но одновременно приводит к тому, что зона ответственности человека расширяется без пересмотра его роли и нагрузки.
Есть ещё одна тенденция — «ползучее расширение обязанностей» (workload creep). Сотрудники берут на себя чуть больше, потом ещё чуть больше, каждый раз это кажется разумным. Пока в какой-то момент человек не обнаруживает, что его роль стала принципиально другой, а нагрузка — неуправляемой.
Руководители видят рост скорости и качества работы сотрудников, делают вывод о высвободившихся ресурсах и добавляют новые задачи или сокращают команду. Сотрудники, в свою очередь, не сигнализируют о перегрузке: работать с ИИ воспринимается как «работать меньше» даже тогда, когда это не так. Разрыв между восприятием и реальностью накапливается и выходит наружу в виде выгорания.
Что делать: практические рекомендации для HR и руководителей
Признание проблемы — уже половина решения. Вот несколько подходов, которые помогут сохранить баланс.
1. Пересмотреть нормы загрузки с учётом ИИ. Если ИИ ускоряет выполнение задач, это не означает автоматического увеличения их количества. Нормирование должно учитывать реальную когнитивную нагрузку, а не только скорость выпуска результата.
2. Ввести ИИ-паузы. Практика бесперебойного делегирования ИИ лишает сотрудников естественных перерывов. Важно намеренно сохранять время для восстановления, и это должно быть частью корпоративной культуры, а не личной ответственностью каждого.
3. Фиксировать расширение ролей. Если сотрудник начинает брать на себя задачи из смежных областей, это должно отражаться в его роли, оценке и компенсации, а не становиться «новой нормой» без признания.
4. Обсуждать нагрузку открыто. Регулярные 1:1 встречи с вопросом «как изменился объём твоей работы за последние месяцы?» помогут выявить расширение обязанностей до того, как оно приведёт к выгоранию.
5. Обучать сотрудников работе с ИИ, в том числе тому, когда им лучше не пользоваться
Это, пожалуй, самый недооценённый пункт. Большинство компаний либо вообще не обучают работе с ИИ, либо ограничиваются базовым «вот инструмент, попробуйте». Но грамотное использование ИИ — это не только навык составления промптов. Это понимание границ: что ИИ делает хорошо, а где он создаёт риски.
Где ИИ — ваш союзник:
- Генерация черновиков, структур, идей для брейншторма
- Обработка больших массивов обезличенных данных
- Подготовка шаблонов, инструкций, учебных материалов
- Поиск и систематизация информации из открытых источников
- Рутинная коммуникация: стандартные письма, FAQ, описания процессов
Где ИИ требует осторожности или лучше от него отказаться:
- Персональные данные сотрудников: имена, оценки, медицинская информация, результаты аттестаций.
- Конфиденциальные бизнес-данные: финансовые показатели, стратегические планы, коммерческая тайна
- Юридически значимые документы: трудовые договоры, соглашения о неразглашении. ИИ может ошибиться в деталях, которые имеют правовые последствия
- Чувствительные HR-решения: увольнения, конфликтные ситуации, обратная связь по результатам работы. Здесь человеческое суждение и эмпатия незаменимы
- Итоговые выводы без проверки: любой результат ИИ требует верификации: модели могут уверенно «галлюцинировать» факты и цифры
💡 Практический шаг: разработайте внутри компании простую карту использования нейросетей — одностраничный документ, где чётко прописано, какие задачи и данные можно передавать ИИ, а какие — нет. Это снизит риски и поможет сотрудникам действовать уверенно, а не интуитивно.
Присоединяйтесь к сообществу Лидеры
Темы, которые мы разбираем в этой статье — то, о чем говорят в нашем HR-сообществе Лидеры. Это закрытое профессиональное комьюнити для руководителей в сфере обучения и развития персонала: место, где можно честно обсудить, что происходит на рынке, поделиться опытом и получить инсайты от коллег.
Если вы хотите быть частью этого разговора — оставьте заявку на вступление.
