Интересная новость💥
Цифровой тейлоризм (гугл в помощь) и забастовка смыслов или почему эксперты не обучат корпоративный AI из-под палки
В свежей колонке для Fast Company от 31 августа предприниматель и исследователь Фейсал Хок (Faisal Hoque), опираясь на свою работу для Harvard Data Science Review, предельно трезво разобрал главную иллюзию внедрения корпоративного ИИ.
Менеджмент уверен, что знания сотрудников можно просто извлечь и институализировать.
В McKinsey прямо заявили цель своей модели Lilli: «Раньше знания принадлежали экспертам, цель Lilli - забрать их у экспертов и сделать активом компании».
В Meta пошли дальше: установили софт, фиксирующий клики и нажатия клавиш для обучения агентов на «реальном поведении людей». А через месяц после новостей о трекинге уволили 8 000 человек, открыто сославшись на прогресс ИИ (всего в бигтехе за 2026 год по этой причине сократили уже свыше 175 000 специалистов).
Попытка заставить людей добровольно оцифровать свой опыт в таких условиях - это даже не «просить ёлки проголосовать за Новый Год». Это требовать, чтобы они сами себя срубили, принесли, украсили, купили подарки, накрыли стол и встали в центре празднующей компании.
По данным исследований, более трети сотрудников (35%) уже сознательно блокируют передачу экспертизы ИИ, опасаясь увольнений, а 38% отказываются делиться ключевыми навыками даже с коллегами.
Попытка забрать эти знания силой упирается в два непреодолимых барьера:
1. Предел сбора данных. Алгоритмы отлично ищут информацию в хаосе (knowledge retrieval), но они могут найти только то, что изначально внесено в систему. Регламенты, шаблоны и код оцифровать легко. Но суть экспертности — это неявное знание (tacit knowledge). Логи зафиксируют, что сейлз закрыл сделку или инженер отклонился от регламента, но они никогда не покажут, какие слабые сигналы он считал, какие альтернативы отбросил и какую именно интуитивную причинно-следственную связь применил.
2. Имитация лояльности (evasive hiding). Заставить отвечать на вопросы интервьюеров можно, но комплаенс будет сугубо театральным: сотрудник придет на все сессии, ответит на все формальные чек-листы, но скроет 5% невидимых нюансов, на которых держится весь результат.
Сто лет назад Фредерик Тейлор (для тех, у кого не сработал поиск) пришел на заводы с секундомером, чтобы измерить ручной труд. Рабочие ответили итальянской забастовкой - согласованно замедляли темп, скрывая реальную производительность. Слежка за кликами в 2026 году порождает ровно ту же реакцию: когда интересы наблюдателя и наблюдаемого прямо противоположны, наблюдение разрушает процесс и дает искаженную фактуру.
Эксперты - не пассивные доноры обучающих выборок. Настоящая передача суждения (judgment) требует искреннего сотрудничества. А оно невозможно без четырех управленческих условий:
Честность сделки. Прямо объявить правила игры: сокращается ли штат или людей переводят на задачи более высокого порядка. Неопределенность лишь расширяет зону саботажа.
Ликвидация экзистенциальной угрозы. Никакие тимбилдинги не сработают, если человек понимает, что готовит себе замену. Нужны твердые гарантии безопасности.
Роль стюарда-хранителя. Эксперт не должен «сдать дела и уйти». Он переходит в статус аудитора, валидатора и контролера системы, отвечая за ее дообучение и точность вдолгую.
Доля в созданной стоимости (stake in the upside). Если оцифровка снижает зависимость бизнеса от эксперта, он должен получить прямую экономическую выгоду от созданной капитализации (процент от экономии или участие в прибыли).
Компании, которые видят в носителях экспертизы лишь сырье для утилизации, соберут терабайты формального шума. Но они гарантированно останутся без глубокого человеческого суждения, ради которого всё и затевалось.
Цифровой тейлоризм (гугл в помощь) и забастовка смыслов или почему эксперты не обучат корпоративный AI из-под палки
В свежей колонке для Fast Company от 31 августа предприниматель и исследователь Фейсал Хок (Faisal Hoque), опираясь на свою работу для Harvard Data Science Review, предельно трезво разобрал главную иллюзию внедрения корпоративного ИИ.
Менеджмент уверен, что знания сотрудников можно просто извлечь и институализировать.
В McKinsey прямо заявили цель своей модели Lilli: «Раньше знания принадлежали экспертам, цель Lilli - забрать их у экспертов и сделать активом компании».
В Meta пошли дальше: установили софт, фиксирующий клики и нажатия клавиш для обучения агентов на «реальном поведении людей». А через месяц после новостей о трекинге уволили 8 000 человек, открыто сославшись на прогресс ИИ (всего в бигтехе за 2026 год по этой причине сократили уже свыше 175 000 специалистов).
Попытка заставить людей добровольно оцифровать свой опыт в таких условиях - это даже не «просить ёлки проголосовать за Новый Год». Это требовать, чтобы они сами себя срубили, принесли, украсили, купили подарки, накрыли стол и встали в центре празднующей компании.
По данным исследований, более трети сотрудников (35%) уже сознательно блокируют передачу экспертизы ИИ, опасаясь увольнений, а 38% отказываются делиться ключевыми навыками даже с коллегами.
Попытка забрать эти знания силой упирается в два непреодолимых барьера:
1. Предел сбора данных. Алгоритмы отлично ищут информацию в хаосе (knowledge retrieval), но они могут найти только то, что изначально внесено в систему. Регламенты, шаблоны и код оцифровать легко. Но суть экспертности — это неявное знание (tacit knowledge). Логи зафиксируют, что сейлз закрыл сделку или инженер отклонился от регламента, но они никогда не покажут, какие слабые сигналы он считал, какие альтернативы отбросил и какую именно интуитивную причинно-следственную связь применил.
2. Имитация лояльности (evasive hiding). Заставить отвечать на вопросы интервьюеров можно, но комплаенс будет сугубо театральным: сотрудник придет на все сессии, ответит на все формальные чек-листы, но скроет 5% невидимых нюансов, на которых держится весь результат.
Сто лет назад Фредерик Тейлор (для тех, у кого не сработал поиск) пришел на заводы с секундомером, чтобы измерить ручной труд. Рабочие ответили итальянской забастовкой - согласованно замедляли темп, скрывая реальную производительность. Слежка за кликами в 2026 году порождает ровно ту же реакцию: когда интересы наблюдателя и наблюдаемого прямо противоположны, наблюдение разрушает процесс и дает искаженную фактуру.
Эксперты - не пассивные доноры обучающих выборок. Настоящая передача суждения (judgment) требует искреннего сотрудничества. А оно невозможно без четырех управленческих условий:
Честность сделки. Прямо объявить правила игры: сокращается ли штат или людей переводят на задачи более высокого порядка. Неопределенность лишь расширяет зону саботажа.
Ликвидация экзистенциальной угрозы. Никакие тимбилдинги не сработают, если человек понимает, что готовит себе замену. Нужны твердые гарантии безопасности.
Роль стюарда-хранителя. Эксперт не должен «сдать дела и уйти». Он переходит в статус аудитора, валидатора и контролера системы, отвечая за ее дообучение и точность вдолгую.
Доля в созданной стоимости (stake in the upside). Если оцифровка снижает зависимость бизнеса от эксперта, он должен получить прямую экономическую выгоду от созданной капитализации (процент от экономии или участие в прибыли).
Компании, которые видят в носителях экспертизы лишь сырье для утилизации, соберут терабайты формального шума. Но они гарантированно останутся без глубокого человеческого суждения, ради которого всё и затевалось.