Ваш маркетолог уже пишет тексты в ChatGPT. Ваш аналитик прогоняет через нейросеть таблицы с данными. Ваш менеджер по продажам генерирует коммерческие предложения, копируя туда переписку с клиентами. Ваш HR просит нейросеть составить описание вакансии и отсеять резюме. Они делают это со своих личных телефонов, в обеденный перерыв, иногда прямо на рабочем месте, свернув окно, когда кто-то проходит мимо. Не потому что запрещено — часто вообще никакой политики на этот счёт в компании нет. А потому что непонятно, можно ли. И потому что немного стыдно, как будто пользоваться нейросетью — это жульничество. Как будто подглядываешь в ответы на экзамене.

И вот что важно понять: они делают это не от лени. Они делают это потому, что ИИ реально помогает. Ну, или они думают, что помогает. И вот тут начинается самое интересное.

Потому что между «реально помогает» и «кажется, что помогает» — пропасть. И ваши сотрудники, при всём уважении к их профессионализму, чаще всего находятся по неправильную сторону этой пропасти. Они не знают, что именно они не знают. В педагогике и психологии обучения это называется красивым термином — неосознанная некомпетентность. Первая стадия из четырёх на пути к мастерству. И, пожалуй, самая опасная.

Человек на этой стадии не просто не умеет — он не понимает, что не умеет. Он искренне считает, что всё делает правильно. Он получил от нейросети ответ, ответ выглядит гладко, написан уверенным тоном, содержит какие-то цифры — значит, всё хорошо. Он не знает, что нейросеть может уверенно врать. Не знает, что качество результата на девяносто процентов зависит от того, как сформулирован запрос. Не знает, что есть принципиальная разница между моделями, между подходами, между тем, как задать контекст, и тем, как его не задавать. Он просто открыл чат, написал «сделай мне красиво» — и получил что-то. И решил, что это и есть весь ИИ.

Это примерно как если бы человек, никогда не водивший машину, сел за руль, доехал до ближайшего магазина, не врезавшись ни в один столб, и решил, что теперь он водитель. Технически — доехал. Практически — он не знает, что такое мёртвая зона зеркал, не понимает, зачем нужна дистанция, не умеет перестраиваться в потоке. Пока задачи простые и дорога пустая — всё выглядит нормально. Как только ситуация усложняется — начинаются проблемы, и хорошо если это только помятый бампер.

С ИИ та же история. Сотрудник, который «сам разобрался», чаще всего разобрался на уровне: открыть чат, написать запрос, скопировать ответ. Он не проверяет факты, потому что не знает, что их нужно проверять. Он не понимает, что модель галлюцинирует — само это слово в контексте нейросетей ему может быть незнакомо. Он копирует в чат с нейросетью конфиденциальные данные клиентов, потому что ему не объяснили, куда эти данные потенциально могут утечь. Он получает юридически некорректную формулировку для договора, не замечает этого и отправляет клиенту. Он генерирует аналитику на основе выдуманных нейросетью цифр и кладёт её на стол руководителю.

А руководитель потом принимает на основе этой аналитики решения.

И всё это — не метафоры. Это то, что уже происходит в компаниях. Прямо сейчас.

Теперь про вторую популярную стратегию, которая на первый взгляд кажется разумной: «Давайте просто купим всем доступ к корпоративной нейросети и пусть пользуются».

Логика понятна. Раз уж они всё равно пользуются — пусть делают это легально, через безопасный канал, с корпоративными настройками. Звучит как взрослое решение. И это действительно лучше, чем делать вид, что проблемы не существует. Но — и вот тут важное «но» — это решение только одной проблемы из трёх.

Проблема безопасности данных — да, решается. Проблема стихийного использования сторонних сервисов — частично решается. А вот третья, главная проблема — качество использования — остаётся ровно там, где была. Потому что дать человеку инструмент и дать человеку навык работы с инструментом — это два совершенно разных действия.

Представьте, что вы руководите архитектурным бюро. Ваши сотрудники до сих пор чертили от руки. Вы купили всем лицензии AutoCAD. Поставили на компьютеры. Сказали: «Вот, пользуйтесь, там интуитивно понятный интерфейс». Что будет через месяц? Те, кто посмелее, откроют программу и научатся рисовать прямые линии. Кто-то один, самый упорный, посмотрит десять видео на YouTube и разберётся в основах. Остальные тихо продолжат чертить от руки, потому что так быстрее и привычнее. А общий уровень владения программой в бюро будет около нуля. И через полгода кто-то на совещании скажет: «Мы попробовали, AutoCAD нам не подходит, у нас своя специфика».

Знакомо? С ИИ происходит то же самое, только последствия хуже. Потому что AutoCAD хотя бы не выдумывает данные.

Метод «раздать доступы и пусть разбираются» не работает по фундаментальной причине: люди не знают, чего они не знают. Они не могут самостоятельно перейти от неосознанной некомпетентности к осознанной, потому что для этого нужно столкнуться с границами своих знаний. А нейросеть эти границы маскирует. Она всегда отвечает. Всегда уверенно. Всегда складно. Она никогда не скажет: «Слушай, ты задал ужасный промпт, давай попробуем по-другому». Она просто выдаст результат. И человек решит, что результат хороший, потому что у него нет системы координат, чтобы оценить иначе.

Вот почему обучение — не опция, а необходимость. И не обучение в формате «вот вам PDF на сорок страниц, прочитайте на досуге». И не вебинар, на котором бодрый спикер полтора часа рассказывает, как ИИ изменит мир. Нужно нормальное, практическое обучение, после которого сотрудник понимает несколько ключевых вещей.

• Что нейросеть — не оракул, а инструмент, который работает ровно настолько хорошо, насколько хорошо ты умеешь им пользоваться.
• Что качество промпта определяет качество результата, и между «напиши мне письмо клиенту» и грамотно структурированным запросом с контекстом, ролью и ограничениями — разница как между запросом «свари что-нибудь на ужин» и подробным рецептом.
• Что результат всегда нужно проверять, особенно если в нём есть цифры, даты, имена и юридические формулировки.
• Что разные задачи требуют разных подходов, и иногда лучший способ использовать нейросеть — не использовать её вовсе.
• Что есть вещи, которые нельзя копировать в чат с нейросетью, и сотрудник должен чётко понимать, где проходит эта граница.

После такого обучения происходит волшебный и одновременно болезненный момент: человек переходит на вторую стадию — осознанную некомпетентность. Он начинает понимать, как много он не знал и не умел. Это неприятно. Зато более продуктивно. Потому что именно с этой стадии начинается настоящий рост.

Сотрудник, который понимает ограничения инструмента, использует его аккуратнее и эффективнее, чем тот, кто считает, что ограничений нет. Сотрудник, который знает, что нейросеть может ошибаться, проверяет результат. Сотрудник, который понимает разницу между хорошим и плохим промптом, получает на выходе совершенно другое качество. И главное — сотрудник, который прошёл обучение, начинает сам видеть, где в его работе ИИ действительно полезен, а где это пустая трата времени.

И вот тут возникает ещё один аргумент, который я часто слышу от руководителей: «Зачем обучать? Технологии меняются так быстро, что любое обучение устареет через полгода». Звучит логично. Но это ловушка.

Да, конкретные интерфейсы меняются. Да, появляются новые модели. Да, то, что было невозможно в прошлом году, сегодня делается за минуту. Но принципы работы с ИИ — они гораздо стабильнее, чем кажется. Умение декомпозировать задачу, прежде чем отдать её нейросети, — это навык, который не устареет. Привычка проверять результат — не устареет. Понимание того, что нейросети работают с вероятностями, а не с фактами, — не устареет. Способность оценить, какая задача подходит для ИИ, а какая нет, — не устареет. Это как умение водить машину: модели автомобилей меняются каждый год, а принцип «смотри на дорогу и соблюдай дистанцию» остаётся неизменным.

Обучение базовым принципам работы с ИИ — это не про конкретную кнопку в конкретном интерфейсе. Это про формирование нового навыка мышления. И этот навык, однажды сформированный, позволяет человеку самостоятельно адаптироваться к любым изменениям в технологиях.

А теперь давайте посмотрим на ситуацию с другой стороны — со стороны самих сотрудников. Потому что есть ещё один слой, о котором руководители часто забывают.

Сотрудники боятся. Не все, конечно, но многие. Они читают заголовки о том, что ИИ заменит миллионы рабочих мест. Они видят, как коллеги в других компаниях уже теряют работу. Они чувствуют неопределённость. И в этом состоянии им предлагают «просто начать пользоваться». Без объяснений, без поддержки, без ответа на главный вопрос, который они задают себе каждый вечер: «А меня-то это заменит?»

Качественное обучение отвечает и на этот вопрос. Когда человек сам видит, что нейросеть не может сделать то, что делает он — принять решение в нестандартной ситуации, учесть контекст, который никак не описать в промпте, проявить эмпатию в сложных переговорах — страх уходит. На его место приходит спокойное понимание: это инструмент, он делает часть моей работы быстрее, но он не делает мою работу за меня. Я по-прежнему нужен. Просто теперь я нужен для другого — для того, что машина не умеет.

Это колоссальный сдвиг. И он происходит только через обучение. Не через рассылку с темой «Теперь у нас есть корпоративный ИИ, вот ссылка».

Поэтому если вы руководитель и сейчас стоите перед выбором — потратить бюджет на дорогую интеграцию или на обучение команды — выбирайте обучение. Серьёзно. Интеграцию можно сделать потом, когда люди поймут, что именно они хотят интегрировать и зачем. А обучение нужно сейчас, потому что ваши сотрудники уже пользуются ИИ. Без вашего ведома. Без понимания рисков. Без навыков, которые отличают полезное использование от опасного.

Они не виноваты. Они просто не знают того, чего не знают. И единственный способ это изменить — показать им.