ИИ в команде: что мы ожидаем друг от друга

Перепост статьи ^[1] из моего личного блога.

С нейронками стало очень удобно отчитываться о проделанной работе. Документ есть, объём приличный, написан убедительно. А что с ним делать дальше, пусть выясняет следующий счастливчик.

Допустим, коллега прислал вам двадцать страниц требований к новой функции. Сценарии, ограничения, исключения — всё на месте. Читать это сейчас некогда, поэтому вы просите свою нейронку вытащить главное. Она, разумеется, справляется. И вот тут может легко оказаться, что два решения, без которых нельзя начинать разработку, так никто и не принял. Зато теперь у нас есть и полный документ, и его краткая версия.

Причём для такого результата даже не обязательно халтурить. Автор старался подробно описать задачу, получатель — быстрее в ней разобраться. Модель могла нигде не соврать. Просто мы успели написать гораздо больше, чем успели решить.

Вот эта часть работы с ИИ меня и беспокоит. Что происходит после того, как результат генерации отправили коллегам? Кто будет в нём разбираться, сколько времени это займёт и в какой момент можно сказать, что команда действительно стала работать лучше?

Кому достаётся ваше ускорение

Недоделанная работа никуда не исчезает оттого, что её красиво оформили и отправили. Разработчику всё ещё нужно понять, что делать. Руководителю — проверить выводы. Соседней команде — выяснить, какие из обещанных возможностей вообще существуют.

Раньше на производство такого документа хотя бы приходилось тратить время. А значит, в процессе могли возникнуть новые идеи, всплыть неожиданные проблемы. Теперь можно управиться гораздо быстрее. Это удобно, если вы действительно хорошо разобрались в теме и вам осталось только изложить решение. Несколько хуже, если за счёт скорости генерации получилось проскочить само разбирательство.

Для этого уже даже придумали название — workslop. В опросе BetterUp Labs и Stanford Social Media Lab ^[2], проведённом в сентябре 2025 года, сотрудники описывали сгенерированные материалы, которые выглядели законченными, но заставляли получателя разбираться и дорабатывать их. Исследователи прямо рассматривают это как перенос работы на коллег.

Допустим, раньше на документ уходил день, а теперь час. Замечательно. Если команда по нему быстрее договорилась и начала пилить рабочее решение, экономия налицо. А вот если чтобы выскрести из текста смысл и собрать недостающие ответы, следующий человек в цепочке потратил целый день, то с отчётом об эффективности я бы пока подождал.

Поэтому мне мало знать, как быстро человек получил результат от модели. Мне интересно, что случилось с этим результатом дальше. Сколько раз его возвращали, о чём пришлось переспрашивать и кто в конце концов довёл его до состояния, с которым можно работать.

Нейронка уже всё решила

С проектной документацией эта история особенно хорошо заметна. Возьмём простую задачу на проектирование: системе нужно передать заявку от одного сотрудника другому. Кнопка, выбор получателя, уведомление. Вроде бы можно отдавать агенту и идти заниматься следующим делом.

Разумеется, нет. Мы не знаем, когда конкретно меняется ответственный. Когда первый сотрудник нажал кнопку или когда второй согласился принять заявку? Если второй пока не согласился, с кого спрашивать за её выполнение?

От ответа зависит, что вообще нужно делать. В одном случае заявка сразу переходит другому человеку. В другом понадобятся ожидание подтверждения, отказ и правила работы на время этого ожидания. Реализовать можно и так и эдак, только команде подходит не любой из этих вариантов.

Нейронка вполне способна помочь: расписать оба сценария, найти неудобные случаи, сравнить последствия. Но она способна и просто выбрать один из вариантов, чтобы описание выглядело законченным. Особенно если мы сами не заметили, что здесь вообще есть о чём договариваться.

И вот разработчик видит требование и считает его согласованным. Менеджер смотрит на результат и спрашивает, какого чёрта заявка теперь передаётся именно так. Разработчик отвечает, что вот документ, Клод сделал его буква в букву. Автор документа помнит, что обсуждал это с Клодом, но он никогда не признается, что просто оставил вопрос на откуп нейронке. В итоге все при деле, процесс движется, но куда-то не туда.

Всё идёт по плану, только план — говно.

В такой момент мне гораздо полезнее узнать, кто и почему выбрал это поведение ^[3], чем получить ещё десять страниц бесполезных подробностей. Где у нас принятое решение, где предположение, а где вариант, который просто понравился модели?

В записях архитектурных решений — ADR ^[4] для этого предусмотрены статусы, например «предложено», «принято», «заменено новым решением». В нашей задаче можно обойтись просто фразой:

Предлагаем передавать ответственность после подтверждения получателем. C руководителем поддержки ещё не согласовано.

Теперь и нейронки, и кожаные быстро поймут, что решения пока нет и не нужно ничего выдумывать.

Собственно, ИИ теперь может помочь привести в порядок и сами договорённости: изучить документацию, собрать решения из обсуждений, найти противоречия, сравнить описание с реализацией. Для этого ему придётся передать актуальный контекст ^[5], но в текущих реалиях странно, если вы это не автоматизировали хотя бы отчасти. Тут, конечно, нужно быть осторожным. Если в чате лежат три версии решения, а какая из них окончательная, нигде не сказано, модель может аккуратно и очень убедительно описать ту, от которой мы уже отказались. Ставьте статусы документам и натравливайте свой RAG только на актуальные источники.

Потому что через месяц в этом будет разбираться другой человек. Или другой агент. И хорошо бы, чтобы странное на первый взгляд ограничение не снесли при очередном «улучшении» только потому, что никто не записал, зачем оно понадобилось.

Почему с нейронкой я иногда работаю дольше

Теперь давайте вернёмся к той же заявке и немного поменяем условия. Что, если именно нейронка спросила, как организовать передачу заявки? Мы этот случай (почему-то) пропустили, а она помогла заметить, что обращение может зависнуть между двумя сотрудниками. И что оба будут считать, что заниматься ею должен другой.

Придётся разбираться, разговаривать с людьми, менять первоначальное описание. Задача займёт больше времени. Зато есть шанс не выкатить функцию, из-за которой начнут теряться обращения. Было бы странно записать это время в потери от использования ИИ.

У меня некоторые задачи с нейронками тоже стали занимать два-три дня вместо одного. И меня это вполне устраивает. За эти дни мне удаётся увидеть то, что раньше я бы пропустил, или найти решение лучше первоначального. Конечно, само по себе долгое общение в чате с ИИ ничего не доказывает. Но и сравнение «раньше сделал за день, теперь за три» ещё не говорит, что стало хуже.

В опросе METR 2026 года ^[6] участникам отдельно предлагали оценить влияние ИИ на скорость и на ценность выполненной работы. С новыми инструментами может измениться и то, за какие задачи человек вообще берётся. Есть и попытки проверить качество без «самооценки» исполнителя. В эксперименте Дэвида Аутора и соавторов с патентными юристами ^[7] документы оценивали отдельные эксперты, которым не сообщали, кто пользовался ИИ. Группа с доступом к специализированному помощнику получила более высокую среднюю оценку качества.

С передачей нашей заявки тоже есть что проверить: может ли она всё ещё остаться без ответственного, понятно ли, что делать при отказе. Если с этим разобрались до того, как проблемы обнаружили разработчики, менеджеры или, не дай бог, пользователи, — дополнительное время потрачено с толком.

Вот только всё это — лишь одна сторона медали. На другой же расположилось очень удобное оправдание для бесконечных улучшений. Раз уж нейронка нашла один полезный вопрос, вдруг найдёт ещё? Заодно можно добавить подбор исполнителя по загрузке, замещение на время отпуска, автоматическое распределение. Каждая идея вполне разумная. И вот мы уже проектируем целую систему вместо передачи одной заявки.

На этом месте легко потеряться. Вам всё ещё кажется, что осталось немного допилить, а работа давно вышла за первоначальные границы. Планировали одну функцию, обсуждаете уже пять. И никто, кроме вас с ИИ, об этом расширении пока не знает. Я бы на этом месте спросил: мы исправляем найденную проблему или уже взялись за новую задачу? У новой задачи тоже могут быть прекрасные основания. Тогда её объём и срок придётся обсудить отдельно.

А если после очередного улучшения вы уже не можете толком объяснить, как всё это работает, пора разбираться с получившимся. Следующая генерация вполне может добавить ещё одну вещь, которую мы приняли, но не поняли.

Без перерыва на понятную работу

Хорошо, допустим, мы разобрались в задаче и решили, что делать. Раньше после этого можно было какое-то время работать по уже понятному плану: писать спецификации или код, рисовать сценарии или макеты. Теперь эту часть выполняет агент, а вы разбираетесь со следующей задачей. Исполнение тоже требует внимания ^[8] и навыков, но у вас хотя бы уже есть план. Не нужно каждый раз заново выбирать направление, сравнивать варианты и решать, что вообще считать хорошим результатом. Когда ИИ забирает этап исполнения, освободившееся время очень легко заполнить новой задачей, в которой ничего ещё не понятно.

Если таких процессов несколько, они ещё и заканчиваются вперемешку. Вы едва успели вникнуть в одно, а уже пора принимать другое. Между вашим поручением и результатом модель успела выбрать детали, связать их между собой, от чего-то отказаться. Чтобы оценить получившееся, сначала нужно понять, что она там наворотила. Возможно, всё сделано хорошо. Но до этого вывода ещё надо дойти, а соседний чат уже тоже ждёт вашего решения.

Цена такого ускорения видна и в разборе DORA на основе ответов инженеров Google ^[9]: время, выигранное при написании кода, может уйти на его проверку.

Так можно провести обычный по продолжительности день, почти не выходя из режима горящей пятой точки. Режима, в котором постоянно надо что-то выяснять и решать. Снаружи всё прекрасно: задачи двигаются, агенты заняты, результаты есть. А вы к вечеру уже не хотите открывать очередное «готово», потому что за ним опять придётся во что-то въезжать.

Похожее противоречие наблюдали исследователи Berkeley ^[10], восемь месяцев изучавшие одну технологическую компанию. Отдельные эпизоды работы с ИИ сотрудники описывали как увлекательные и расширяющие возможности, а рабочий день в целом — как более напряжённый. Можно радоваться тому, что теперь вам по силам, и одновременно сильнее уставать от того, как проходит день.

Поэтому я бы не спешил загружать человека новой задачей сразу после того, как агент прислал результат по предыдущей. В нём ещё нужно разобраться. А после нескольких таких погружений иногда хочется просто поработать по понятному плану, не принимая на каждом шаге новые решения. Ещё три чата вполне могут подождать, даже если токенов пока навалом.

Начальник тоже умеет печатать

Ожидать от ИИ пользы совершенно нормально. Если команда быстрее выполняет понятные задачи, можно сокращать сроки или браться за то, до чего раньше не доходили руки. Вопрос в том, действительно ли работа ускорилась и чем за это пришлось заплатить.

Мы убрали повторяющиеся действия? Нашли более простое решение? Или просто стали раньше отправлять результат на проверку, а там пусть разбираются? В отчёте все три варианта вполне могут выглядеть как рост эффективности. Для команды последствия будут разными.

Если после всех проверок и переделок команда действительно выиграла время, его можно потратить на следующие задачи или на более тщательную проработку текущих. Но об этом нужно договориться с сотрудником. Иначе может оказаться, что начальник уже рассчитывает на новые результаты, а сотрудник с нейронкой всё ещё доводит предыдущий до совершенства. Каждый вроде бы повышает эффективность, а договорённости о том, что именно нужно сделать, так и нет.

С нейронками очень хочется пропустить этот разговор. Инструмент же умный, сотрудник тоже не дурак, как-нибудь сами сообразят. Потом только выясняется, что сообразили они совсем не то, на что мы рассчитывали.

Но у руководителя есть и собственный способ добавить команде работы. Попросить модель составить стратегию, план изменений или подробное описание продукта, а затем отправить всё это подчинённым. Выглядит солидно. Поручения расписаны. Осталось выполнить.

Разбираться, откуда взялись приоритеты, почему именно такие ограничения и можно ли вообще выполнить обещанное, теперь будут исполнители. Вполне вероятно, они обнаружат те же несогласованные решения, с которых мы начали статью. Только задавать вопросы начальнику иногда сложнее, чем коллеге.

Передать черновик на обсуждение или попросить команду проверить гипотезу — нормальная работа. Если это действительно черновик и проверка гипотезы. Когда по такому материалу уже начинают считать сроки, становится важно, что в нём принято, а что нейронка дописала для убедительности.

Так что требование разбираться в результате ИИ относится и к нам самим. Прежде чем отправлять задачу вниз, неплохо бы суметь объяснить, почему мы решили делать именно это. Должность не делает ответ модели более достоверным.

А эффективность команды я бы всё-таки оценивал с учётом того, что происходило после передачи работы. Где возникли уточнения, сколько понадобилось переделок, кто на самом деле закончил задачу. Иначе можно очень успешно ускорить отчётность и даже не заметить, сколько возни осталось за её пределами.

А вы сами это сделали?

С оценкой людей получается ещё интереснее. Большой аккуратный документ больше не даёт особых оснований считать, что автор глубоко разобрался в теме. А короткое замечание к нему может сэкономить команде несколько дней, хоть и выглядит оно куда менее внушительно.

Мы живём в интересное время, когда складный текст сам по себе может вызвать подозрения. В репортаже Bloomberg ^[11] авторы рассказывают, как меняют язык, чтобы не выглядеть пользователями ChatGPT.

Впрочем, у литературы могут быть свои договорённости об авторстве. Нас здесь интересует обычная рабочая команда, в которой пользоваться ИИ разрешено. Если сначала от сотрудника ждут ускорения с нейронками, а потом при виде результата кривятся: «Понятно, тебе это GPT написал», ему предлагают довольно дурацкую игру. Пользу от инструмента получить надо, а его участие лучше как-нибудь спрятать.

И опасения такого отношения не совсем беспочвенны. В исследовании, опубликованном в PNAS в 2025 году ^[12], участники одного из онлайн-экспериментов оценивали сотрудника по краткому описанию. Если упоминалась помощь ИИ, его в среднем считали менее компетентным и старательным, чем при аналогичной помощи из других источников. В сценариях найма отношение зависело также от задачи и собственного опыта ^[13] оценивающего с нейронками.

На попытки избежать этих подозрений тоже можно потратить прилично времени. Привести текст в порядок, убрать казённые обороты, точнее выразить свою мысль — понятная работа. Но если вы уже несколько кругов переставляете слова, чтобы никто не догадался об участии GPT, возникает вопрос, тем ли вы вообще заняты? После какой правки ваш внутренний или вполне реальный проверяющий наконец успокоится?

По мне, гораздо полезнее обсудить с человеком сам результат. Почему он выбрал такое решение? На чём основан важный вывод? Что произойдёт в спорном случае? Из ответов можно узнать о его вкладе больше, чем из подсчёта самостоятельно набранных символов.

В опубликованном в 2025 году описании технических интервью Canva ^[14] это хорошо видно. Компания включила ИИ в собеседования и усложнила задания: кандидатам нужно разбираться с неоднозначными условиями, принимать технические решения и исправлять сгенерированный код. Инструментом пользоваться можно, понимать результат всё равно нужно.

В своей команде вам тоже придётся как-то удерживать эту последовательность. Очень легко считать собственную работу с ИИ заслуженной победой, а чужую — удачным ответом нейронки. Особенно если не знать, как человек к нему пришёл. Мне кажется, оценивать пригодность результата и способность автора его объяснить, всё-таки честнее.

Разумеется, от начинающего специалиста и опытного руководителя мы ждём разного. Если человек пока не умеет проверять то, что ему поручили сгенерировать, ему понадобится помощь или обучение ^[15]. От ещё одного призыва активнее использовать ИИ это умение само не появится.

Вместо итога

Мне нравится, что с нейронками можно глубже разобраться в задаче и увидеть решения, которые раньше я бы пропустил. И хочется видеть эту пользу в работе: глубже продуманные решения, понятные договорённости, меньше рефакторинга и доработок. Иногда ради этого автору придётся посидеть над задачей подольше. Зато следующий человек сможет продолжить с того места, до которого вы действительно дошли.

А если после вашего бодрого «готово» ему приходится заново выяснять, что вообще нужно было сделать, у вас с нейронкой пока ничего не готово.

Ну и по традиции, мой тг-канал ^[16] и сайт ^[17]. В первом я пишу всякое про управление, дизайн, разработку и аналитику, а на втором можно узнать, кто я такой и почему всё это себе позволяю.