Как ИИ влияет на нагрузку сотрудников или обратная сторона ускорения

Искусственный интеллект долго воспринимался как способ освободить сотрудников от рутины, чтобы было больше времени на стратегию, творчество и принятие решений. Но на практике эффект часто оказывается другим. Работы не становится меньше — сотрудники просто начинают выполнять ее быстрее, а значит, растет плотность и интенсивность.

Проблема в том, что подход к работе уже меняется, а системы мотивации и вознаграждения во многих компаниях — нет. В результате ИИ не столько снижает нагрузку, сколько усиливает старые перекосы в организации труда.

В публикации “AI Doesn’t Reduce Work — It Intensifies” Harvard Business Review приводятся результаты исследования, которое эксперты Калифорнийского и Йельского университетов проводили в течение 8 месяцев в технологической компании с численностью более 200 человек.

Компания не заставляла сотрудников использовать ИИ: она лишь предоставила доступ к подпискам, а дальше люди сами решали, как использовать новые инструменты. Итог оказался показательным. Генеративный ИИ не высвободил время в привычном понимании, но ускорил рабочий ритм, расширил круг задач и сделал границы рабочего дня менее четкими.

Исследователи зафиксировали, что сотрудники стали быстрее справляться с задачами, чаще подключаться к смежным функциям и нередко продолжать работу вечером или в выходные — зачастую по собственной инициативе.

Главный вывод исследования звучит так: ИИ действительно снижает издержки на выполнение задач, но не определяет, что делать с появившимся временем. На уровне компаний это время почти всегда заполняется новой работой.

Идея о том, что увеличение времени не всегда приводит к росту результата, давно подтверждается практикой. Хороший пример — эксперименты с четырехдневной рабочей неделей, которые уже проводились в Германии, Бельгии, Казахстане, ЮАР, Японии и других странах.

Один из самых заметных кейсов — эксперимент в Великобритании в 2023 году. В нем участвовали 3 000 сотрудников из 60 компаний, и по его итогам каждый шестой участник заявил, что не вернется к пятидневному графику ни при каких альтернативных бонусах со стороны работодателя.

В России подобные практики тоже появляются. Например, в 2024 году эксперимент с четырехдневной неделей провела Choosy Recruitment. Компания не сокращала рабочий день, а дала сотрудникам полноценный дополнительный выходной, который каждый мог выбрать сам. Это положительно сказалось на вовлеченности и лояльности команды. При этом рабочие процессы не развалились: срочные вопросы закрывали дежурные сотрудники, а несрочные переносились без ущерба для бизнеса.

Причины понятны: лучше концентрация, меньше переключений между задачами и более качественное восстановление сотрудников.

Из этого следует важный вывод: продуктивность определяется не количеством отработанных часов, а качеством и плотностью усилий. Именно в эту логику хорошо вписывается ИИ. Он убирает лишнее трение — помогает преодолеть страх чистого листа, ускоряет поиск шаблонов и рутинную подготовку, позволяет быстрее перейти к сути задачи. Но высвободившееся время редко превращается в отдых. Чаще оно сразу заполняется следующей задачей.

ИИ не заставляет людей работать больше напрямую. Он просто делает это возможным. Когда рутинные действия занимают меньше времени, а сложные задачи становятся доступнее, сотрудники чаще берут на себя дополнительную нагрузку, подключаются к новым проектам и расширяют зону ответственности.

Это уже хорошо видно в разных функциях и отраслях.

• В ИТ разработчики ведут больше задач параллельно, используя ИИ как помощника для написания кода.
• В маркетинге команды быстрее запускают кампании, пишут тексты, создают контент и тестируют гипотезы.
• В консалтинге аналитики успевают сделать больше итераций, документов и проработок за то же время.

Формально эффективность действительно растет, но субъективное ощущение занятости при этом не уменьшается. ИИ делает каждую отдельную операцию дешевле, но не уменьшает общий объем работы, если компания или сам сотрудник тут же заполняют освободившееся время новыми задачами.

Особенно заметно влияние ИИ в модели самозанятости и фриланса. Там связь между скоростью и доходом прямая: если специалист делает работу быстрее, он может взять больше заказов или заработать больше на том же объеме времени.

Это создает естественную мотивацию повышать эффективность, улучшать качество и сокращать количество правок. Но у такой модели есть и ограничения. Рано или поздно человек упирается в потолок загрузки. Поднять ставку непросто, потому что рынок чувствителен к цене. В итоге возникает постоянный выбор между простоем и перегрузкой — и чаще выбирают второй вариант, потому что простой означает потерю дохода.

Даже при высокой ставке многие специалисты продолжают брать на себя больше работы, чем им комфортно с точки зрения баланса между работой и личной жизнью.

В классической модели найма ситуация выглядит иначе. Работа становится сложнее и интенсивнее, темп растет, но система вознаграждения часто остается прежней: фиксированный оклад и бонусы, которые лишь частично связаны с реальным вкладом человека.

Так возникает асимметрия. Основную выгоду от того, что сотрудник делает больше и быстрее, обычно получает работодатель. Сам сотрудник получает только потенциальную и отложенную отдачу: премию, повышение, признание. Но все это не гарантировано.

Именно здесь и появляется напряжение. ИИ лишь делает заметнее старую проблему: компании по-прежнему часто платят за присутствие и формальные часы, хотя реальная ценность все больше создается за счет скорости, плотности и качества работы.

К экономическому дисбалансу добавляется психологическая нагрузка. ИИ снижает порог входа в новые задачи, но одновременно увеличивает требования к когнитивной устойчивости. Нужно быстрее учиться, удерживать больше контекстов и постоянно адаптироваться к новым инструментам.

Дополнительное давление создает и страх устаревания навыков. Если раньше технологические изменения могли растягиваться на годы, то теперь инструменты обновляются каждые несколько месяцев. Сотрудникам приходится постоянно перестраиваться, часто без ясного понимания, какие именно навыки действительно будут востребованы в ближайшем будущем.

1. Пересмотреть связь между вкладом и оплатой. Если сотрудники благодаря ИИ делают больше и быстрее, это должно отражаться в системе вознаграждения. Переменная часть оплаты должна быть чувствительна не только к формальным KPI, но и к реальной плотности труда и вкладу конкретного специалиста.
2. Дать выбор: деньги или время. Рост эффективности можно конвертировать по-разному. Для одних сотрудников логичнее дополнительный доход, для других — дополнительное время на восстановление. Такой подход снижает напряжение и делает систему более справедливой.
3. Фиксировать границы допустимой интенсивности. Важно не только ускорять процессы, но и формализовать право сотрудника остановиться, взять паузу и не находиться в режиме постоянного ускорения.
4. Инвестировать не только в скорость, но и в устойчивость. Обучение, восстановление, грамотное управление нагрузкой и поддержка сотрудников — это не второстепенные HR-инициативы, а факторы производительности.