Руководитель видит простую картину: внедрили ИИ, купили лицензию на модный инструмент, а эффективность команды почти не изменилась. Ощущение такое, что «люди не тянут»: ошибки продолжают всплывать, задачи тормозятся на согласованиях, «огонь в глазах» у новичков тухнет через три года. На этом месте часто рождается самый вредный управленческий миф — миф о нерадивом сотруднике.

Это не только мнение команды TEAMLY. Мы собрали комментарии по этому поводу у лидеров, которые каждый день работают на улучшение процессов в своих компаниях, на практике применяют управление знаниями и знают, как выстраивать процессы. Это:

• Антон Елисеев, представитель объединенной авиационной корпорации (UAC). Эксперт, работающий в отрасли с критически высокой ценой ошибки.

• Екатерина Баталина, директор практики по управлению персоналом, организационному дизайну и изменениям «Технологии Доверия». Специалист по внедрению систем, которые действительно работают.

Максим Чугунов, руководитель проектов по улучшениям компании Gotek. Представитель бизнеса, фокусирующийся на минимизации финансовых потерь от ошибок.

Максим Чугунов: 

Самый эффективный сотрудник — это тот сотрудник, которого нет, которого нужно заменить роботом или нейросетью.

Пока бизнес работает с людьми, а не только с алгоритмами, идеальной предсказуемости не будет. Но это не значит, что надо бесконечно усиливать контроль над человеком. Вопрос в другом: какую систему процессов, знаний и технологий получает этот человек, когда выходит утром на работу.

Миф о нерадивом сотруднике и правило 98% против 2%

Антон Елисеев:

Эдвардс Деминг еще в конце жизни оценивал вклад системы в результат на уровне 98%, оставляя только 2% на «усилия» конкретного сотрудника. Если организация устроена так, что каждый день заставляет людей импровизировать и компенсировать провалы процессов, никакая мотивация и никакой ИИ не сделают их по-настоящему эффективными.

Когда эффективность падает, легче всего объяснить это «ленивыми людьми» или «плохим наймом». На практике чаще всего виновата стагнирующая операционная модель, которую никто не пересматривает годами. Сотрудник приходит в компанию с горящими глазами, пытается ломать устаревшие процессы, предлагает улучшения, а потом упирается в стену: «Работает? Ну и не трогай там ничего!»

Екатерина Баталина: 

Вот типичный жизненный цикл сотрудника: первые 1–2 года он растет вместе с задачами, а через 3–5 лет часто попадает в систему, которую уже давно нужно перепридумывать целиком. 

Эффективные компании регулярно пересматривают операционную модель: роли, компетенции, процессы, систему мотивации. Без этого даже сильные специалисты превращаются в людей, которые просто «поддерживают статус-кво» и тушат пожары.

Эксперты сходятся в одном: ответственность за результат лежит в первую очередь на менеджменте, который строит систему, а не на исполнителе, который пытается выжать максимум из хаотичной среды. Отсюда и знаменитое «98% против 2%»: если в компании много неэффективности, начинать нужно не с людей, а с устройства самой системы.

Процессы против героизма: встроить качество, а не выбивать его

Вторая ловушка — вера в героизм. Руководителю приятно думать, что все держится на «звездных» сотрудниках, которые вытягивают любой кризис. Проблема в том, что такой подход плохо масштабируется и очень дорог в обслуживании.

Антон Елисеев: 

Мы перекладываем ответственность за качество процесса на исполнителей. Lean говорит: попробуйте встроить качество в процесс.

Идея проста: так же как современный автомобиль позволяет поехать с минимальными знаниями ПДД, хороший бизнес-процесс снижает влияние человеческого фактора до разумного минимума.

Что это значит на практике:

• Процессы спроектированы так, чтобы даже недообученный сотрудник не мог легко «сломать» результат.

• Критические ошибки отлавливаются не на этапе финальной проверки, а предотвращаются заранее — чек-листами, шаблонами, автоматизацией и логикой маршрутов.

• Там, где раньше один человек мог делать пять операций, после пересборки процесса он тянет десять без выгорания и сверхусилий.

При этом требования к «архитекторам» таких систем растут. Одно дело — научиться управлять готовым «автомобилем» процесса, другое — спроектировать сам «двигатель», «ходовую» и систему безопасности. Именно здесь знания и глубина экспертизы выходят на первый план.

Знания в эпоху ИИ: не объем, а способность учиться

С приходом больших языковых моделей у многих появился соблазн считать, что знание больше не дает преимущества: «модель все равно знает больше, чем любой джун». 

Максим Чугунов обращает внимание на архитектурное ограничение LLM: модели отлично стартуют с огромной базы, могут быстро дать сильный первый результат, но не умеют по‑человечески «закрепляться» на достигнутом и делать следующий шаг уже с учетом нового опыта.

Человек, напротив, учится медленнее, зато умеет накапливать собственную траекторию: сегодня он сделал проект, завтра оттолкнулся от его результатов и добавил новый слой понимания. Модель каждый раз начинает условно с «чистой» базы и не проживает эту внутреннюю эволюцию.

Отсюда практический вывод для найма и развития:

• важен не текущий объем знаний, а способность устойчиво учиться и использовать ИИ как инструмент, а не костыль;

• ИИ усиливает тех, кто готов брать ответственность за финальное решение, и размывает компетенции тех, кто пытается переложить эту ответственность на модель;

• чтобы заметить галлюцинацию нейросети, сотрудник сам должен быть достаточно компетентен в своей области.

Управление через лозунги «сделайте красиво» в таких условиях становится особенно опасным. Без четкого процесса и критериев качества любые «подключите ИИ» превращаются в вайб-менеджмент: люди делают что-то, генерируют варианты, сжигают ресурсы, но компания не получает воспроизводимого результата.

База знаний без управления — это кладбище

Большинство компаний в какой-то момент гордо заявляют: «У нас есть база знаний». На практике это часто просто аккуратный склад документов, куда что-то складывают «на всякий случай» и откуда почти ничего не достают.

Антон Елисеев: 

Управление знаниями — это не управление каждым знанием по отдельности… это управление средой, которая обеспечивает здоровую циркуляцию этих знаний».

База знаний — лишь один элемент этой среды. Главный вызов — сделать так, чтобы нужное знание попадало к сотруднику в момент принятия решения, и не в виде 50‑страничного документа, а в виде дозированной выжимки, которую можно применить здесь и сейчас.

Екатерина Баталина рассказала, как это выглядит вживую: системная работа с методологией, компетенциями, кейсами проектов, инструментами, плюс явная фиксация того, кто что умеет. В крупной компании часто никто не знает, что в соседнем отделе сидит человек с нужной экспертизой. Как только появляется прозрачный реестр компетенций, сотрудники начинают находить друг друга под задачи, а не по личным связям.

Особая тема — «корифеи», носители уникального опыта. Антон честно говорит: попытки вытащить знания эксперта опросами чаще всего не работают. Единственный рабочий способ — вовремя «подсадить» к нему ученика и встроить совместную работу в процесс. Знание в этом случае передается не через формальные описания, а через наблюдение, совместные решения и разбор конкретных ситуаций.

Как заставить знания работать: культура, KPI и RAG

Чтобы люди делились знаниями и пользовались ими, нужна не только технология, но и культурная обвязка. Екатерина выделяет несколько опорных элементов:

• Поддержка сверху. Руководство должно явно обозначить, почему система знаний важна и какая от нее польза для бизнеса.

• Коммуникации. Про знания и ИИ нужно постоянно говорить: показывать кейсы, делиться историями, разбивать скепсис примерами из своей же компании.

• Модели поведения. Не формальные лозунги, а реальные лидеры мнения, которые демонстрируют нужный паттерн: заполняют CRM, фиксируют приобретённый опыт и лучшие практики, показывают, как сами используют ИИ.

• KPI. Если продажник не заносит информацию в CRM, он фактически уносит клиента с собой. Простой и честный механизм: нет данных — нет бонуса.

• Ритуалы. Регулярные встречи, где команда обсуждает конкретные кейсы использования ИИ и обмена опытом. Каждый раз находятся новые истории, и это запускает эффект «хочу так же».

Максим приводит практический пример с проектным управлением: самая ценная часть — уроки, вынесенные из проектов — lessons learned, которые обычно пылятся в архиве презентаций. Как только их положили в RAG‑систему с ИИ и связали с KPI по соблюдению методологии, к этим урокам начали ходить добровольно. Людям стало выгодно заранее посмотреть, «где подстелить соломку», чтобы попасть в сроки и сохранить качество.

Технологии как данность: где теперь конкуренция

Остается вопрос: если процессы и знания так важны, что с технологиями — они уже не дают преимущества?

Максим Чугунов:

Технология для 99% компаний — это просто данность. Конкуренцию нужно выигрывать за счет способности встроить эту технологию в процессы и вовлечь персонал.

Ключевые ИИ‑инструменты и платформы разрабатывает ограниченное число игроков, и довольно быстро они становятся доступными всем. Нельзя выиграть только тем, что «поставил последнюю версию модели» или закупил свежий софт. Это всего лишь общая база.

Реальная конкуренция смещается в плоскость:

• кто быстрее и аккуратнее встраивает технологии в рабочие процессы;

• кто выстроил систему управления знаниями так, что ИИ не просто ищет по PDF, а помогает принимать решения;

• кто построил культуру, где человек не боится ответственности за результат и умеет использовать ИИ как усилитель, а не как оправдание.

В этом смысле по-настоящему эффективные сотрудники — это люди в правильно спроектированной системе. Процессы снимают лишнюю неопределенность, управление знаниями доставляет нужную информацию в нужное время, технологии ускоряют уже отлаженный контур. Если убрать любой из этих трех элементов, эффективность обвалится. Но начинать почти всегда стоит не с покупки нового инструмента и не с «мотивации персонала», а с честного пересмотра того, как именно устроена система, в которой людям предлагают быть эффективными.