Сколько времени ваши сотрудники тратят на ботситтинг?

Август никак не хочет напоминать что скоро осень и включает безумную жару, а мы в субботней рубрике #сережазаваспочитал смотрим на любопытное исследование и прекрасный новый термин, так релевентный всем любителям ИИ со всех сторон.

ИИ обещает экономить время, но во многих компаниях создаёт новый вид скрытой работы — необходимость постоянно контролировать, исправлять и «докармливать» системы контекстом. Авторы называют это botsitting — невидимым, неучитываемым и обычно невознаграждаемым человеческим трудом, необходимым для того, чтобы ИИ действительно приносил пользу.

В исследовании Glean Work AI Institute опросили 6 000 сотрудников из США, Великобритании и Австралии, чья работа в основном связана с компьютером и цифровыми инструментами. 75% сказали, что с ИИ стали продуктивнее, а в среднем он автоматизировал 11 часов их работы в неделю. Но только 13% сообщили, что благодаря этому результаты их организаций заметно улучшились.

Одна из причин разрыва - botsitting. В среднем сотрудники тратят на него 6,4 часа в неделю, почти полный рабочий день и 37% всего времени, связанного с ИИ. На непосредственное выполнение работы с помощью ИИ приходится 36%. В botsitting входят передача системе недостающего контекста — 2,3 часа в неделю, поиск и исправление ошибок и неожиданного поведения — 2,2 часа, а также проверка результатов перед использованием — 1,7 часа. Цена здесь не только во времени: постоянная проверка и корректировка создаёт дополнительную ментальную нагрузку.
Авторы выделяют три системные ошибки руководителей:

1. Недооценка объёма управления, который требует ИИ. Сотрудники вынуждены вручную давать контекст, проверять точность, исправлять полуправильные ответы и разруливать последствия ошибок. Поэтому компаниям нужно отдельно измерять время на botsitting, понимать, создаёт ли этот контроль ценность, и по возможности встраивать ИИ прямо в существующие рабочие процессы, а не плодить отдельные инструменты.

2. Путать доступ к данным с наличием контекста. ИИ может видеть документы и системы, но не знать, какая версия презентации актуальна, кто реально принимает решение, где официальный процесс расходится с практикой и что именно означает «хорошо» в конкретной компании. 53% опрошенных сказали, что критически важная информация недоступна через их ИИ-системы. В компаниях с бедным контекстом сотрудники почти втрое чаще чувствуют усталость от ИИ: 50% против 18%. Поэтому контекст нужно рассматривать как инфраструктуру и фиксировать не только формальные данные, но и метазнание о том, как работа действительно делается.

3. Измерять не то. Компании часто следят за количеством лицензий, токенов, входов и другой видимой активностью. Это быстро превращается в гонку за цифрами: сотрудники начинают использовать ИИ даже там, где быстрее справились бы сами. Авторы предлагают оценивать одновременно эффективность, качество и опыт сотрудников, а также отдельно считать стоимость botsitting: сколько раз приходится переписывать промпт, как часто результат требует проверки человеком и сколько времени уходит на восстановление контекста между системами.

Кроме того, людям должно быть безопасно сообщать, что ИИ не работает или добавляет им лишнюю работу. Иначе сотрудники будут молча исправлять сбои, а руководство продолжит видеть красивые показатели использования.
Главная мысль статьи: botsitting нельзя считать личной проблемой сотрудника. Руководство должно решить, какие задачи вообще стоит отдавать ИИ, где он ошибается и кто отвечает за исправление процессов. Инструменты будут становиться лучше, но рост реальной эффективности зависит не только от качества моделей, а от того, насколько хорошо организация умеет встроить их в работу людей.

Всем хороших выходных 🤗