Репост из: AI Product | Igor Akimov
О, я тоже с этим сталкивался. И выглядит конечно просто ужасно и непрофессионально. Workslop - сгенерированная AI рабочая фигня.
Harvard Business Review исследует феномен, который становится всё более распространённым в компаниях, внедряющих генеративный AI — workslop. Это когда работа выглядит аккуратно, презентабельно, «как бы готова», но на практике она не двигает задачу вперёд.
Что такое workslop
Выглядит как «готовое» решение: с отформатированными слайдами, отчётами, кодом, резюме. Но часто без контекста, глубины, ключевых деталей.
Создаётся быстро, но требует правок или даже переработки, потому что получатель вынужден разобраться, что именно именно не так, добавить недостающие элементы, исправить ошибки.
Это не просто «плохо сделанная работа», а вещь, которая маскируется под нормальную, и потому особенно опасна.
По опросу сотрудников: ~40-41% работали с workslop в последний месяц.
Часто workslop приходит от коллег на том же уровне (peer-to-peer), но встречается и когда прямые подчинённые присылают руководству, или наоборот.
Время на переделки, исправления, повышенные ожидания - всё это съедает реальную продуктивность.
Почему это происходит:
Мандаты на «обязательное использование AI» без чёткого понимания, как именно и с какими стандартами.
Отсутствие норм или критериев качества, люди часто считают: если выглядит прилично, значит готово. Но на деле нет.
Культура, в которой важно показать, что AI используется - иногда больше ради имиджа или KPI, чем ради результата.
Что делать:
1. Установить чёткие стандарты качества - что значит «работа принята», какие части должны быть проработаны обязательно.
2. Роль лидеров и менеджеров - быть примером: не просто требовать результат, а показывать, как работать с AI осознанно, обучать сотрудников.
3. Обучать критическому мышлению: анализировать, дорабатывать, корректировать выход AI, а не принимать всё «как есть».
4. Коммуникация и прозрачность – чтобы получатель работы понимал, что именно ожидалось, и могла быть обратная связь, если результат недостаточен.
Мне кажется основная проблема - отсутствие обучения, когда буквально (я сталкивался с этим несколько раз) презентация или документ был в стиле "вот тебе письмо от начальника, сделай стратегию и презентацию". Естественно получается фигня. Контекста никакого нет, исследований внутренних, конкурентов, метрик - тоже. Но "выглядит" это все лучше, чем ничего. И готово за 5 минут. И потому люди злоупотребляют.
https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity
Harvard Business Review исследует феномен, который становится всё более распространённым в компаниях, внедряющих генеративный AI — workslop. Это когда работа выглядит аккуратно, презентабельно, «как бы готова», но на практике она не двигает задачу вперёд.
Что такое workslop
Выглядит как «готовое» решение: с отформатированными слайдами, отчётами, кодом, резюме. Но часто без контекста, глубины, ключевых деталей.
Создаётся быстро, но требует правок или даже переработки, потому что получатель вынужден разобраться, что именно именно не так, добавить недостающие элементы, исправить ошибки.
Это не просто «плохо сделанная работа», а вещь, которая маскируется под нормальную, и потому особенно опасна.
По опросу сотрудников: ~40-41% работали с workslop в последний месяц.
Часто workslop приходит от коллег на том же уровне (peer-to-peer), но встречается и когда прямые подчинённые присылают руководству, или наоборот.
Время на переделки, исправления, повышенные ожидания - всё это съедает реальную продуктивность.
Почему это происходит:
Мандаты на «обязательное использование AI» без чёткого понимания, как именно и с какими стандартами.
Отсутствие норм или критериев качества, люди часто считают: если выглядит прилично, значит готово. Но на деле нет.
Культура, в которой важно показать, что AI используется - иногда больше ради имиджа или KPI, чем ради результата.
Что делать:
1. Установить чёткие стандарты качества - что значит «работа принята», какие части должны быть проработаны обязательно.
2. Роль лидеров и менеджеров - быть примером: не просто требовать результат, а показывать, как работать с AI осознанно, обучать сотрудников.
3. Обучать критическому мышлению: анализировать, дорабатывать, корректировать выход AI, а не принимать всё «как есть».
4. Коммуникация и прозрачность – чтобы получатель работы понимал, что именно ожидалось, и могла быть обратная связь, если результат недостаточен.
Мне кажется основная проблема - отсутствие обучения, когда буквально (я сталкивался с этим несколько раз) презентация или документ был в стиле "вот тебе письмо от начальника, сделай стратегию и презентацию". Естественно получается фигня. Контекста никакого нет, исследований внутренних, конкурентов, метрик - тоже. Но "выглядит" это все лучше, чем ничего. И готово за 5 минут. И потому люди злоупотребляют.
https://hbr.org/2025/09/ai-generated-workslop-is-destroying-productivity