Евгений Лящук, коммерческий директор ООО «Сбер Бизнес Софт», рассказывает, почему сотрудники не всегда доверяют искусственному интеллекту, что стоит за негласным сопротивлением внедрению новых технологий в рабочие процессы и как прийти к эффективной синергии команды и ИИ.

Справка DK.RU

 

Евгений Лящук, коммерческий директор ООО «Сбер Бизнес Софт» Экспертиза:

Управление коммерческой стратегией

Разработка и реализация стратегий 
по увеличению прибыли и развитию бизнеса.

Опыт построения и поддержания партнерских отношений с ключевыми игроками рынка, включая B2B-
и B2G-сегменты.

Оценка и анализ рыночных трендов.

Использование данных для прогнозирования и адаптации коммерческой политики компании.

ИИ и цифровизация.

 

Что лежит за сопротивлением: страхи, недоверие, непонимание

— Сотрудники редко заявляют об отказе работать с ИИ напрямую. Но в ходе внедрения технологии компании часто сталкиваются со скрытым саботажем: игнорируются новые процессы, решения не применяются в работе, а инициативы «тонут» в повседневной рутине. За этим чаще всего стоят:

Опасение замены. Люди могут воспринимать ИИ как угрозу сокращения рабочих мест. Если раньше задачу выполняли 10 человек, а теперь алгоритмы делают это за двоих, встает вопрос: что делать остальным восьми?

Недоверие к технологии. Для большинства ИИ остается «черным ящиком». Например, прогнозы продаж, которые раньше формировались вручную, теперь зависят от автоматизированных систем. Это создает трудности в интерпретации результатов и понимании их причин.

Отсутствие мотивации. Если сотрудники не понимают, какую выгоду принесет внедрение им лично, они воспринимают ИИ как навязанную технологию.

Иллюзия сложности. Команда часто думает, что внедрение ИИ требует сложной настройки, глубоких технических знаний и долгой интеграции.

Низкий уровень цифровой зрелости. Например, отсутствие исторических данных, необходимых для обучения моделей, превращает внедрение ИИ в дополнительный стресс для команды: данные приходится собирать вручную, процессы адаптировать, а сотрудники сталкиваются с непонятной и непривычной задачей без ясной пользы. Это тоже усиливает отторжение — и со стороны линейных специалистов, и со стороны внутренних заказчиков. 

Рост нагрузки. Сотрудникам требуется время на адаптацию и изучение работы ИИ как инструмента. При этом у них есть рабочие задачи, которые никто не отменяет. Получается, что работа с ИИ в начале требует дополнительных усилий и ресурсов, которых у команды может не быть.

Что помогает преодолеть сопротивление

В первую очередь важен диалог между руководством и командой. До команды необходимо доносить, что внедрение новых технологий — это не только польза для бизнеса, но и помощь самим сотрудникам, например, сокращение времени на поиск необходимой информации или подготовку однотипных ответов на одинаковые вопросы, в итоге они смогут использовать рабочее время на действительно интересные проекты.

Когда каждый член команды будет понимать, как технологии изменят его работу в лучшую сторону, это существенно снизит уровень недоверия и страха.

Внедрение искусственного интеллекта в бизнес-процессы сегодня не так сложно, как может показаться на первый взгляд. Все больше появляется на рынке ИИ-продуктов с готовым функционалом и понятным интерфейсом, внедрить которые не сложнее (а то и легче), чем, например, систему управления взаимоотношениями с клиентами (CRM).

Кроме того, есть решения, от применения которых результат виден сразу. Например, сервисы для распознавания и обработки документов или ИИ-ассистенты интегрируются быстро и не требуют переучивания сотрудников.

Показательный пример — внедрение ИИ-ассистента в одной из российских авиакомпаний. В проектную группу сразу включили представителей службы поддержки, позволили им протестировать и донастроить систему. В результате сотрудники увидели, что виртуальный ассистент берет на себя простые запросы, а у них освобождается время для решения сложных задач.

Подобные кейсы показывают: когда технология «оборачивается» в понятный интерфейс и демонстрирует пользу сразу, сопротивление исчезает, а вовлеченность сотрудников растет. Особенно если команда с самого начала участвует во внедрении: тестирует, видит промежуточные результаты и понимает, как меняется процесс. Это создает ощущение контроля и снижает тревожность.

Также стоит рассмотреть поэтапный процесс внедрения ИИ, особенно если решение сложное. Это позволяет сотрудникам безболезненно адаптироваться к изменениям.

Например, в одном из крупнейших производителей тепличных овощей в России внедрение системы компьютерного зрения для сортировки продукции проходило поэтапно с постепенной адаптацией персонала. Сначала был введен пилот на одном из участков — алгоритм обучался на реальных видеозаписях из теплицы, а сотрудники участвовали в формировании критериев качества. При этом финальное решение об отбраковке продукции оставалось за человеком. Такой подход — «не замена, а вторая пара глаз» — помог интегрировать ИИ в рабочие процессы без сопротивления и с восприятием технологии как помощника, а не как угрозу.

Почему ожидания не совпадают с реальностью

Разочарование в проектах по внедрению ИИ часто может быть связано с тем, что у бизнеса изначально нет ясного представления, какой именно результат он хочет получить от технологии. Руководство часто формулирует цели внедрения ИИ общими словами — «сократить издержки», «оптимизировать персонал», «повысить точность» — без конкретики: какие именно процессы должны измениться, какие метрики улучшатся, как это скажется на операционной деятельности. Образ результата остается слишком абстрактным.

Проблема в том, что уже на этапе постановки задач может быть упущен вопрос: как именно будет выглядеть итог работы ИИ, кто его будет использовать, в какие процессы встроится новый инструмент и каким должен быть измеримый эффект. В итоге команды получают модель или систему, но не понимают, как ее применять и в какое место существующей операционной деятельности встроить.

Например, компания заказывает модель прогнозирования, получает таблицу с цифрами, но не понимает, что дальше: кто должен реагировать, какие процессы перестраивать, как соотносить прогноз с текущим планированием. Без KPI модель просто остается в папке «исследования».

Чтобы этого не произошло, важно задать себе несколько простых вопросов: какая задача ставится перед ИИ, кто и как будет использовать результат и что с ним делать дальше. При этом важны конкретные цифры: если компания хочет точность не ниже 80%, это нужно проговаривать в момент постановки задачи. В идеале — понимать и текущие метрики: если сейчас точность прогноза 60%, а ИИ может дать 75%, то прирост уже ощутим. И наоборот — если текущая система дает 90%, то требование к ИИ должно быть еще выше.

На этом этапе важна роль поставщика технологии (вендора). Его задача — еще до начала внедрения помочь заказчику сформировать представление о том, каким будет результат, как он будет выглядеть и как его можно использовать в работе. Самое простое — визуализировать образ результата: показать отчет, таблицу, график, интерфейс и спросить: «Вы понимаете, как этим пользоваться?» Если ответ — нет, значит рано внедрять.

Надо начать с понимания, как результат впишется в бизнес-процесс: кто, когда, и на основании чего будет принимать решение. Только тогда ИИ становится не модным экспериментом, а рабочим инструментом.

Что делать бизнесу

Перед внедрением ИИ важно не только понимать, какую задачу должна решить технология, но и заранее продумать, как команда воспримет изменения. Вопросы, на которые стоит ответить:

Какую конкретную бизнес-задачу мы автоматизируем или усиливаем с помощью ИИ?

Какой результат мы ожидаем — в каких единицах он будет измеряться, как это повлияет на работу?

Кто именно в команде будет пользоваться результатами ИИ и как они встроятся в текущие процессы?

Есть ли у нас нужные данные, системы и сотрудники, чтобы с этим работать?

Как мы вовлекаем команду: кто протестирует инструмент первым, как показать пользу и каким будет план по адаптации?

Если сотрудники видят, что ИИ помогает в работе: снижает нагрузку и повышает эффективность, сокращает время на решение повторяющихся задач, дает возможность больше заниматься творческой деятельностью и так далее — сопротивление снижается. Особенно если процесс внедрения прозрачен: людей вовлекают в тестирование, дают попробовать, демонстрируют реальные улучшения, а не абстрактные обещания. Все это формирует доверие — а без него никакие технологические решения не приживутся, как бы хорошо они ни работали.

Читайте также на DK.RU: Искусственный интеллект — опасный враг или полезный ассистент? Исследование DK.RU