В последние годы искусственный интеллект, а в частности большие языковые модели (Большие Языковые Модели, или БЯМ), стали мощным инструментом, меняющим динамику и подходы к работе во многих сферах. Особое влияние эти технологии оказывают на работу знаний – профессионалов, чья деятельность связана с обработкой информации, программированием, проектированием и другими видами интеллектуального труда. Повышение эффективности с помощью ИИ стало очевидным, однако внутри организаций возникла глубокая дисгармония между реальным ростом производительности сотрудников и реакцией отделов кадров. Эта проблема — выравнивание интересов между сотрудниками и HR, или проблема человеческих ресурсов в эпоху ИИ — заслуживает пристального внимания и детального анализа. Современный работник, применяющий современные инструменты ИИ, например, языковые модели, значительно повышает свою производительность.
Он может генерировать тексты, код, анализировать данные и выполнять ряд сложных задач в разы быстрее и качественнее по сравнению с эпохой до массового внедрения подобных технологий. Это явное преимущество должно было бы привести к улучшению условий труда, переплате или продвижению. Однако реальность зачастую другая — работники сталкиваются с жесткими ограничениями и негибкими структурами, где подкрепление их вклада в общие успехи компании не происходит адекватно. Парадоксальная ситуация рождается из двух очевидных фактов. С одной стороны, менеджмент и отделы кадров следят за объемом и качеством работ – падение производительности нередко ведет к увольнению.
С другой стороны, рост производительности не всегда трансформируется в повышение вознаграждения, а зачастую наоборот приводит к увеличению нагрузки — сотрудника загружают новыми задачами без существенных компенсаций. Таким образом, у многих квалифицированных специалистов появляются два варианта поведения. Один — сохранять прежний ритм и довольствоваться стабильным, пусть и невысоким, уровнем вознаграждения. Второй — уменьшить приложенные усилия до такого уровня, при котором они смогут сохранить прежний темп работы, используя дополнительные ресурсы для отдыха и личного времени. Проще говоря, если Иван, условный программист, увеличил свою эффективность на 30-50%, он, как правило, не получает сопоставимого роста зарплаты.
Вместо этого с него требуют выполнять больший объем работы, часто без повышения заработной платы или иных стимулов. Для многих работников становится логичным использовать дополнительные возможности ИИ с умом, не пытаясь превысить запланированный объем труда, чтобы избежать переработок и стрессов. Примечательно, что данная проблема отличается от более обсуждаемой темы AI-мисаллимента (неправильного или непредсказуемого поведения ИИ-систем), хотя по природе является не менее важной. В данной ситуации речь идет не о технологиях, а о соотношении человеческих интересов, экономических стимулов и корпоративной культуры. Как правило, отделы кадров и менеджмент плохо подготовлены к тому, чтобы учитывать быстрое изменение производительности труда и корректировать механизмы вознаграждения и мотивации.
Исторически сложилось так, что процесс управления персоналом предполагает определенную инерцию. Механизмы оценки эффективности, построение зарплатных пакетов и бонусов созданы для условий стабильного и медленного развития технологий труда. Внедрение ИИ вынуждает пересматривать устоявшиеся модели, но организации не спешат менять свои стратегии. Особенно это заметно в крупных корпорациях с разветвленными HR-подразделениями и бюрократией. Там влияние внедрения ИИ конкурентоспособности отделов и сотрудников зачастую остаётся поверхностным — «вещью для внешнего PR» или «модным словом» для топ-менеджмента.
Некоторые эксперты отмечают, что рост использования ИИ приводит к неоднородности рынка труда. Работники, способные быстро адаптироваться и использовать ИИ, получают конкурентное преимущество, тогда как остальные постепенно отстают. Такое разделение повышает риски возникновения внутреннего напряжения в коллективах и увеличивает социальное неравенство. Наиболее квалифицированные специалисты могут рассчитывать на переход к лучшим работодателям или заключение контрактов с более выгодными условиями, однако не все имеют возможность или желание менять место работы. Привязанность к определенной компании или рынок с ограниченным числом предложений удерживают многих сотрудников в условиях, не соответствующих их истинной продуктивности.
К тому же многие работники опасаются откровенного использования ИИ в своей деятельности из-за опасений потерять рабочее место или попасть под пристальное наблюдение со стороны руководства. Отделы кадров, не обладая инструментами для объективной оценки результатов работы, реагируют на скачки в производительности с недоверием. Сотрудники, в свою очередь, стараются не выделяться и не рисковать своей стабильностью, даже если средства для кардинального улучшения их работы под рукой. Кроме того, существует вопрос качества работы, выполняемой с помощью языковых моделей. Некоторые критики указывают, что хоть ИИ и помогает достичь большего объема выполненных задач, качество может страдать.
Это добавляет сложностей в оценке эффективности — возможно, сотрудник делает больше, но итоговая ценность для бизнеса не растет пропорционально. Такие неоднозначные показатели также тормозят адаптацию и принятие новых инструментов внутри HR и управленческих структур. Перспективы изменения сложившейся ситуации связаны с необходимостью совершенствования систем мотивации и оценки. Если организации смогут внедрить методы прозрачной и честной оценки вклада каждого сотрудника с учетом использования ИИ, то возникнет возможность для более справедливой компенсации и повышения лояльности работников. Для этого потребуется пересмотр ключевых процессов: от формулировки целей и критериев успеха до механизмов обучения и карьерного роста.
Важным элементом изменений станет обучение и повышение осведомленности как работников, так и руководителей, включая и отделы кадров, о потенциале и ограничениях ИИ. Нужно создавать культуру, в которой технологии считаются инструментом повышения эффективности, а не угрозой, и где прогрессивные практики вознаграждения являются нормой. Идеальная ситуация, когда рынок труда быстро реагирует на рост производительности, оптимизируя распределение рабочих мест и зарплат, к сожалению, далеко не всегда реализуется на практике. Привязанность сотрудников к компаниям, сложные внутренние структуры и бюрократия замедляют этот процесс. Тем не менее, в долгосрочной перспективе давление на повышение эффективности неизбежно вынудит компании адаптироваться и реформировать управление человеческими ресурсами.
Подводя итог, можно сказать, что проблема выравнивания интересов между сотрудниками, использующими ИИ для повышения своей продуктивности, и отделами кадров — это важный вызов современного рынка труда. Неспособность адаптироваться к новым реалиям ведет к неэффективной эксплуатации потенциала сотрудников и ослаблению мотивации, что в свою очередь может отрицательно сказываться на конкурентоспособности компаний. Для успешного будущего необходимо создавать гибкие, прозрачные и справедливые системы управления, учитывающие как технологические инновации, так и человеческий фактор.
