ИИ постепенно забирает на себя рутинные операции, позволяя сотрудникам выполнять больший объем работы за то же время. Может ли это привести к новой норме – один специалист вместо двух, АБН24 выяснило у экспертов.

Фото: rawpixel.com © freepik.com

Нейросети действительно способны кратно повысить производительность сотрудника, однако универсального удвоения эффективности не происходит. Наибольший эффект наблюдается там, где работа состоит из узнаваемых и повторяющихся операций: сбора данных, подготовки текстов по шаблону, первичной обработки изображений, создания таблиц, кода, черновиков договоров или расшифровки звонков. В таких задачах один специалист с ИИ может закрывать объем, который раньше требовал участия нескольких человек. При этом там, где результат зависит от живого суждения, переговоров, физического труда, ответственности за решение или поиска нестандартного решения, прирост производительности значительно скромнее и может измеряться процентами.

«На практике эффект от ИИ уже позволяет сокращать промежуточную, наиболее рутинную часть работы. Например, контентный конвейер, который раньше требовал отдельного редактора на полный день, может работать через несколько ИИ-агентов при сохранении человеческого контроля на выходе. Однако это не означает автоматического исчезновения всей роли: человек по-прежнему проверяет результат, исправляет ошибки и принимает финальные решения. Поэтому объем работы двух сотрудников действительно может постепенно переходить к одному специалисту, но чаще речь идет не о полном исчезновении одной должности, а об укрупнении роли», – пояснил разработчик и предприниматель на стыке блокчейна и ИИ Алексей Мартыненко.

Основатель и управляющий партнер аналитической компании ДОВОД Никита Малов также подчеркнул, что маркетолог может самостоятельно быстрее подготовить аналитику и варианты контента, юрист — провести первичный анализ большого массива документов, менеджер — собрать отчет без отдельного помощника.

«Данные экспериментов также показывают, что говорить об универсальном удвоении производительности преждевременно. В эксперименте с 758 консультантами BCG на задачах, хорошо подходящих для GPT-4, сотрудники выполнили на 12,2% больше заданий, работали примерно на 25% быстрее и получили более высокое качество результата. При этом на задачах за пределами возможностей ИИ вероятность правильного решения, наоборот, снижалась. В другом исследовании с участием 5 179 сотрудников клиентской поддержки средний прирост производительности составил около 14%, а среди менее опытных работников эффект доходил до 34–35% и был значительно меньше у наиболее квалифицированных сотрудников», – добавил предприниматель Илья Кутнюк.

Это означает, что компании действительно получают основания пересматривать нормы выработки, но делать это по формуле «раньше было 10 задач, теперь должно быть 20» некорректно. Для изменения норм необходимо сначала измерить реальную производительность в конкретном процессе: скорость работы, качество результата, количество исправлений и ошибок, а также удовлетворенность клиента. Отдельная проблема заключается в том, что компании могут измерять не готовую работу, а количество обращений к нейросети или созданных черновиков. Однако черновик, полученный за минуту, не равен готовому результату, который прошел проверку и может использоваться в работе.

«Законодательство допускает пересмотр норм труда при внедрении новой техники и технологии. Статья 160 Трудового кодекса предусматривает возможность пересмотра норм по мере внедрения новой техники и технологии, а статья 162 требует известить работников о новых нормах не менее чем за два месяца. Поэтому само появление ИИ может стать основанием для изменения нормативов, но не позволяет работодателю просто повысить требования с ближайшего понедельника. Один из возможных подходов — сначала в течение нескольких месяцев замерять фактическую выработку с новым инструментом, затем закреплять новые нормы локальным актом и заранее уведомлять работников. При этом изменение нормы при сохранении прежней ставки фактически означает снижение цены часа, поэтому возникает и вопрос пересмотра оплаты», – подчеркнул Малов.

Ключевой проблемой при этом становится разграничение роста производительности и скрытого увеличения нагрузки. Производительность действительно выросла, если тот же объем работы выполняется за меньшее время или с меньшими затратами человеческого ресурса. Если же рабочий день остается прежним, объем задач удваивается, а освободившееся время сотрудник тратит на проверку и исправление результатов ИИ, речь уже идет не только о технологическом выигрыше. Проверка результата нейросети сама является работой, и ее необходимо учитывать при расчете норм. В отдельных процессах время на контроль может составлять около трети времени генерации. Если работодатель повышает норму, но не закладывает время на проверку качества, дополнительная нагрузка фактически переносится на сотрудника.

«В первую очередь изменения могут затронуть профессии, где результат легко измерить и значительную часть работы составляют стандартизированные интеллектуальные операции. Речь идет о копирайтинге, переводах, первичной поддержке клиентов, подготовке типовых юридических и бухгалтерских документов, базовой аналитике, маркетинге, административных функциях, рекрутменте, финансах и консалтинге. Особенно заметным эффект может оказаться для junior-позиций, поскольку часть задач, на которых раньше учился начинающий специалист, уже способен выполнять ИИ. В продажах, на производстве и в сервисе, где присутствуют встречи, переговоры, физический труд и ответственность за решения, человек пока в значительно большей степени сохраняет объем работы, соответствующий одной роли», – добавил Кутнюк.

При этом использование ИИ уже становится привычным инструментом, а не исключительно экспериментом. За январь–август 2026 года запрос «нейросеть для работы» получил 181 тыс. показов против 178 тыс. годом ранее. Это указывает на то, что дальнейшие изменения могут происходить не столько за счет резкого роста числа пользователей, сколько за счет изменения самих рабочих процессов и норм внутри компаний. В результате один человек действительно может постепенно выполнять объем, который раньше распределялся между двумя сотрудниками, но масштаб такого эффекта зависит от конкретной функции. Главный вопрос для работодателя заключается не в том, сколько людей формально можно заменить ИИ, а в том, как измерять полученный эффект и распределять его между компанией и сотрудником. Если весь выигрыш от автоматизации превращается исключительно в увеличение плана, технологическое преимущество может обернуться постоянным ускорением труда. Если же часть высвободившегося ресурса направляется на более сложные задачи, развитие, гибкость или рост дохода сотрудника, ИИ становится инструментом повышения производительности, а не просто способом постоянно увеличивать норму выработки.