Российский подход к внедрению искусственного интеллекта отличается от западного тем, что у нас технологии не ведут к большим сокращениям сотрудников, а помогают им в работе. Бренд‑директор и основатель event-агентства «Динамика» Александр Шкарупа объяснил, как это работает и рассказал, как дефицит кадров, регуляторные требования и прагматичный подход бизнеса формируют стойкую модель работы с нейросетью и могут стать нашим конкурентным преимуществом.
Когда Марк Цукерберг пообещал, что к 2025 году ИИ напишет большую часть кода в Meta*, а инженеров среднего уровня заменят машинные алгоритмы, это звучало как объявление новой эпохи. Спустя два года разработка ИИ‑агентов застопорилась, около восьми тысяч сотрудников были сокращены, а Цукерберг публично признал, что «траектория развития агентных технологий не ускорилась так, как мы ожидали».
Похожая история — у шведского финтеха Klarna. Компания заявила, что ее ИИ‑система поддержки клиентов заменит сотни операторов, но из‑за падения качества обслуживания вынуждена возобновить найм людей.
Эти кейсы выглядят как поучительная история о том, как корпорации поторопились поставить алгоритмы туда, где должны стоять люди. Но в России, считает Александр Шкарупа, сценарий развивается иначе — и не потому, что наши компании умнее, а потому, что исходные условия принципиально другие.
«Главный посыл, который стоит за всей этой историей: искусственный интеллект — это инструмент, а не замена человека. И пока западные корпорации пытались использовать его как прямую альтернативу сотрудникам, реальность показала, что без человека ИИ не работает ни на нужном уровне качества, ни на нужном уровне ответственности. В России этот урок может быть усвоен мягче — просто потому, что мы изначально идем по другому пути», — отметил специалист.
Дефицит кадров, а не избыток
Первое и, пожалуй, самое важное отличие российского рынка от западного — это отправная точка. В Meta* или Klarna ставка на ИИ во многом была продиктована желанием сократить издержки и оптимизировать команды, которые к тому моменту раздулись до нерациональных размеров. Американский и европейский рынки труда в технологическом секторе пережили бум найма, и когда наступило время резать косты, ИИ стал удобным оправданием.
В России ситуация зеркальная: сегодня безработица у нас находится на историческом минимуме, квалифицированных специалистов не хватает, и компании не стремятся расставаться с людьми. Многим просто некем их заменить. Нейросети внедряют ради того, чтобы один сотрудник мог справляться с большим объемом задач, и если автоматизация не дает ожидаемого эффекта, компанию это не парализует. Человек просто возвращается к привычному формату работы, а ИИ остается как вспомогательный слой, а не как замена.
«Когда на рынке дефицит кадров, ты не увольняешь человека ради алгоритма. Ты даешь ему алгоритм, чтобы он стал эффективнее. Это совершенно другая логика внедрения, и она гораздо менее рискованная. Если ИИ не справляется — у тебя все еще есть сотрудник, который знает, как делать свою работу», — пояснил Александр Шкарупа.
Вспомогательные инструменты, а не автономные агенты
Второе отличие — глубина внедрения. В крупных международных корпорациях делали ставку на автономных агентов — системы, которые должны самостоятельно выполнять целые цепочки задач без участия человека. Однако когда автономный агент ошибается, а человек не предусмотрен в процессе, исправлять последствия приходится уже постфактум, и цена ошибки может быть высокой.
Российский бизнес в большинстве случаев идет по более консервативному пути. ИИ внедряют точечно: чат-боты для первой линии поддержки, ассистенты для подготовки черновиков документов, инструменты анализа данных. Это другой уровень риска. Если система работает хуже ожидаемого, процессы не останавливаются, требуется лишь донастройка. «Откат» выглядит не как возвращение сотен уволенных сотрудников, а корректирует нагрузку и перераспределяет задачи между человеком и машиной.
«Мы видим, что российские компании чаще используют ИИ как умного ассистента, а не как самостоятельного исполнителя. Бот отвечает на типовые вопросы, а сложный кейс переводит на оператора. Модель пишет черновик письма, а человек его правит. Это не революция — это эволюция рабочих процессов. И именно поэтому у нас вряд ли будет драматичный «откат», ведь драмы‑то и не было», — пояснил специалист.
Регулирование как тормоз — и как защита
Третье отличие связано с регуляторной средой. В России внедрение ИИ идет с учетом требований к хранению данных, информационной безопасности и локализации технологий. Эти ограничения часто воспринимаются как барьер для инноваций, но у них есть и обратный, вполне положительный эффект — они удерживают компании от резких шагов.
Бизнес вынужден закладывать больше ручного контроля, проводить поэтапное тестирование, документировать процессы. Да, это замедляет внедрение, но именно эта медлительность спасает от ловушки, в которую попали Meta* и Klarna, когда «автономность» оказалась преждевременной, а откатывать назад приходилось уже на глазах у всей индустрии.
«Регулирование — это не только ограничения. Это еще и встроенный предохранитель. Когда ты не можешь просто взять и запустить автономного агента на проде без проверки, ты волей‑неволей проходишь путь тестирования, валидации, ручного контроля. И к моменту, когда система действительно готова к самостоятельной работе, ты уже понимаешь, где она нужна, а где — нет», — продолжил Шкарупа.
Новые роли: кто будет управлять ИИ через 2–3 года
В связи с тем, что ИИ у нас инструмент, а не замена человека, через два-три года в российских компаниях появятся новые вакансии, которые сгруппируются не вокруг написания кода или выполнения рутинных операций, а вокруг управления этим помощником. Речь о реальных функциях.
Координаторы ИИ‑процессов настраивают промпты, проверяют выводы моделей и следят, чтобы автоматизация не приводила к ошибкам. По сути, это новый слой контролеров качества между алгоритмом и итогом. Инженеры данных и разметки готовят данные для дообучения моделей и обеспечивают их релевантность. Без качественных данных даже самая совершенная модель бесполезна, и именно здесь будет наблюдаться один из самых высоких темпов роста спроса на специалистов.
Эксперты предметной области с цифровой грамотностью глубоко понимают свою отрасль и умеют работать с ИИ‑инструментами. Их ценность в том, что они знают, где применение нейронки уместно, а где необходима экспертиза людей, и могут грамотно распределять задачи между машиной и человеком.
Отвечать за эти направления, по мнению эксперта, будут руководители цифровой трансформации и HR‑директора: именно они формируют новые команды, описывают роли и распределяют задачи.
«Через пару лет мы увидим, что в штатном расписании появились позиции, которых раньше не существовало. И это будут не замены ИИ, а люди, которые управляют им. Разница принципиальная: ты не увольняешь аналитика и ставишь на его место нейросеть — ты даешь аналитику нейросеть и просишь делать то же, но в три раза быстрее и качественнее. А рядом сажаешь человека, который следит, чтобы нейросеть не нафантазировала», — объяснил Александр Шкарупа.
«Имитационное внедрение»: почему часть бизнеса не заметит откат
Часть российского бизнеса может вообще не заметить «отката» не потому, что все работает идеально, а потому, что внедрение ИИ во многих случаях носит демонстрационный характер. Проекты запускают для отчетов, презентаций, участия в грантовых программах и отраслевых рейтингах. В таких сценариях стоит цель не заменить людей и даже не повысить эффективность, а показать технологическую активность.
Это не обязательно плохо — демонстрационные проекты могут стать первым шагом к реальному внедрению. Но когда автономные агенты не оправдывают ожиданий, а они редко оправдывают ожидания в формате «запустили и забыли», это не приводит к драматичным пересмотрам. Просто смещают фокус на другую задачу, не меняя штат, не увольняя людей и не возвращая уволенных. Тихо и безболезненно.
* Компания Meta признана в РФ экстремистской организацией и запрещена