ИИ вместо сотрудника: какие роли заменить целиком, а какие усилить
Искусственный интеллект забирает целиком роли с объёмной повторяющейся работой по чётким правилам и усиливает те, где исход держится на суждении, ответственности и живом разговоре. Решение принимается по конкретной задаче внутри должности, забыв про название вакансии: одну часть роли отдают ИИ-агенту, другую оставляют за человеком и поднимают его на работу подороже. Ниже разбираю, какие роли уходят машине, какие остаются с усилением и как разложить вашу должность за один проход.
Короткий ответ: машине уходят задачи, должность остаётся
В работе с руководителями я часто вижу одну и ту же ошибку в постановке вопроса. Фаундер спрашивает «какого сотрудника мне заменить нейросетью», глядя на штатное расписание и вычёркивая целые строки. Должность при этом собрана из десятка разных задач, и часть из них машина закрывает уже сегодня, а часть держится на человеке ещё долго. Вычёркивая роль целиком, вы либо теряете живое суждение там, где оно стоит дороже зарплаты, либо держите дорогого человека на работе, которую тянет дешёвая связка.
Поэтому правильная единица решения — отдельная задача внутри должности. Одна и та же роль распадается на дела, которые уходят агенту без потерь, и дела, где человек обходит любую модель. Вы смотрите, из чего реально состоит рабочая неделя сотрудника, прогоняете каждую задачу по простому признаку и собираете гибрид: машина снимает объём, человек поднимается на то, что требует головы. Так команда тянет больше прежними силами, а сам сотрудник перестаёт тонуть в однообразной работе.
Какие роли ИИ забирает целиком
Машина выигрывает там, где работа повторяется сотнями раз по понятным правилам, результат легко свериться с эталоном, а ошибка стоит дёшево и заметна сразу. Чем плотнее роль набита такими задачами, тем ближе она к полной передаче агенту. Тут речь идёт про задачи: человека переводят на работу, где он создаёт больше ценности, вместо того чтобы выбрасывать на улицу.
За такими ролями стоит общий механизм. Агент принимает текст, документ или запись, прогоняет их через большую языковую модель и отдаёт результат в нужном формате, а где требуется свежий факт — обращается к базе знаний через вызов инструментов. Пока задача укладывается в готовый образец и проверяется по эталону, связка тянет её ровно и без перерыва, а живое участие сводится к выборочной сверке.
- Первичная поддержка по типовым вопросам: агент отвечает на повторяющиеся обращения по базе знаний, а человек подключается только к сложным и эмоциональным случаям.
- Сортировка и разметка входящего потока: письма, заявки и сообщения раскладываются по категориям и попадают нужному человеку с готовой краткой выжимкой.
- Расшифровка и краткая выжимка звонков и встреч: запись превращается в текст, решения и список задач, на которые раньше уходили часы ручной работы.
- Рутинный ресёрч и сбор фактов по базе: подбор материалов, выписки и первичная сводка по большому массиву документов через подход RAG.
- Заполнение таблиц и документов по правилам: перенос данных из писем в карточки, типовые договоры из шаблона, однообразные отчёты по заданной форме.
- Черновики однотипного текста: первые версии писем, описаний, постов и ответов, которые человек затем правит и подписывает.
Объединяет эти роли одно: ценность работы держится на скорости и объёме, уникальное суждение тут вторично. Сотрудник тратил на них половину дня и выгорал от однообразия, а машина закрывает их за секунды и тянет десятки таких задач разом. Цена ошибки тут невысокая, промах виден на сверке и правится дёшево, поэтому передача агенту окупается быстро.
Какие роли ИИ усиливает вместо замены
Другая половина ролей собрана из задач, где исход держится на живом человеке. Тут искусственный интеллект работает рычагом: снимает с сотрудника рутинную обвязку и освобождает его время для того, что машине пока недоступно. Должность остаётся, а её содержание смещается вверх — человек тратит день на решения и разговоры, отдав подготовку черновиков и сбор фактов машине.
В таких ролях надёжность связки держат через человека в контуре: агент готовит материал, а сотрудник проверяет, правит и берёт ответственность за финал. Машина уверенно выдаёт правдоподобный ответ даже там, где данных нет, и такая галлюцинация видна лишь при проверке, поэтому подпись и решение остаются за живым лицом. Усиление работает так, что объём подготовки падает, а вес человеческого участия растёт.
- Переговоры и работа с ключевым клиентом: агент готовит сводку по сделке и историю общения, а человек ведёт разговор и читает невысказанное.
- Разбор сложных жалоб и конфликтов: первичный типовой ответ закрывает машина, а живой конфликт с разозлённым заказчиком держит сотрудник.
- Финальные решения о деньгах и людях: модель собирает данные и варианты, а ответственность за выбор лежит на руководителе.
- Оценка чужой работы и найм: агент отсеивает явно неподходящее по формальным признакам, а суждение о человеке остаётся за живым интервьюером.
- Стратегия и работа с неизвестным: там, где нет готового образца, человек соображает в новой ситуации, а машина подаёт ему факты и черновые сценарии.
Типичная осечка тут обратная замене по списку. Фаундер пробует отдать агенту целиком переговоры или работу с жалобами, ловит провал на первом же сложном случае и решает, что технология сырая. Сырым был выбор задачи: чем выше уникальность случая и цена промаха, тем больше живого участия он требует. Усиление сохраняет человека на этих задачах и убирает из его дня всё, что машина делает дешевле и быстрее.
Таблица: признаки замены и признаки усиления
Чтобы решение по задаче держалось на фактах, сведём его к признакам. По каждой строке вы смотрите, на какой стороне находится конкретная задача: ближе к левой колонке — её забирает агент, ближе к правой — она остаётся за человеком и усиливается машиной. Цифры тут отсутствуют намеренно, потому что суммы зависят от вашего рынка, а сами признаки устойчивы для любой роли.
| Признак задачи | Уходит агенту (замена) | Остаётся человеку (усиление) |
|---|---|---|
| Повторяемость | Сотни одинаковых случаев по шаблону | Каждый случай уникален и требует разбора |
| Правила | Чёткий алгоритм с понятным входом и выходом | Решение собирается из контекста и опыта |
| Проверка результата | Легко свериться с эталоном | Качество оценивает только человек со знанием дела |
| Цена ошибки | Промах дёшев и правится быстро | Ошибка стоит денег, репутации или отношений |
| Ответственность | Подпись и решение остаются за человеком в контуре | Человек отвечает лично деньгами и репутацией |
| Эмпатия | Тон вторичен, важен факт и формат | Исход держится на живом разговоре и тоне |
| Новизна | Есть готовый образец в данных или подсказке | Ситуация новая, образца нет |
Читайте таблицу под каждую задачу отдельно. Если задача набирает левую сторону почти по всем строкам — её отдавайте агенту без сомнений, и роль в этой части перестраивается на машину. Если задача тянет вправо хотя бы по ответственности, эмпатии или новизне — здесь остаётся живой человек, и попытка убрать его целиком выйдет дороже найма. Большинство задач распределяется однозначно уже после трёх-четырёх строк.
Как принять решение по конкретной роли
Решение по роли собирается за один проход, если идти от задач. Вы перестаёте спрашивать «заменить или оставить» про должность целиком и режете её на дела, прогоняя каждое через признаки из таблицы. На выходе получается три стопки: задачи под агента, задачи под человека и гибридные, где машина готовит, а сотрудник правит и подписывает.
- Выпишите роль как список задач за рабочую неделю и поставьте каждую отдельной строкой; должность целиком разбирать бесполезно.
- По каждой задаче пройдите признаки из таблицы и отметьте сторону: повторяемость, правила, проверка, цена ошибки, ответственность, эмпатия, новизна.
- Разложите задачи на три стопки — под агента, под человека и гибридные, где машина готовит черновик, а человек берёт финал.
- Возьмите одну задачу из стопки агента с высокой повторяемостью и дешёвой ошибкой, соберите на ней связку и проверьте результат руками сотрудника, который раньше делал её сам.
- Посчитайте годовую стоимость связки с учётом сборки, проверки и поддержки и сравните с тем, что эта часть роли съедает сейчас, вместо цены подписки за месяц.
- Переведите освободившееся время сотрудника на задачи из правой стопки и расширяйте связку на соседние дела лишь после того, как первое держится стабильно.
Я строю это как тренер: ставлю связку изнутри и обучаю команду, чтобы через несколько недель она держала её сама. Я ставлю связку внутри команды и обучаю людей работать с ней так, чтобы через несколько недель они держали её сами и чинили без меня. Подрядчик ушёл бы со своим продуктом и забрал понимание с собой, а я оставляю команде рабочий инструмент и навык им пользоваться. Сотрудники при этом остаются на задачах, где живой человек обходит любую модель, и берут на себя больше ценной работы.
Разобрать роль по задачам, собрать первую связку и обучить команду ею пользоваться — это то, что мы проходим в программах вместе. Вы приносите реальную должность и реальную рабочую неделю, а я показываю, где машина забирает объём, где усиливает человека и как собрать гибрид, который держится сам.
Частые вопросы
Можно ли заменить сотрудника искусственным интеллектом полностью?
Полная замена выходит редко и только там, где роль целиком собрана из объёмной однотипной работы по чётким правилам с дешёвой ценой ошибки. Большинство должностей смешанные: часть задач уходит агенту, часть держится на живом суждении и ответственности. Поэтому решение принимают по задачам внутри роли, забыв про название должности, и почти всегда получается перестроить работу вместо увольнения.
Какие роли искусственный интеллект забирает целиком быстрее всего?
Те, что плотно набиты повторяющейся работой с проверяемым результатом: первичная поддержка по типовым вопросам, сортировка входящего потока, расшифровка звонков, рутинный ресёрч по базе, заполнение таблиц по правилам и черновики однотипного текста. Ценность тут держится на скорости и объёме, уникальное суждение вторично, поэтому связка закрывает такую работу ровно и окупается быстро.
Что значит «усилить роль», а заменить её?
Усиление сохраняет должность, но смещает её содержание вверх. Машина снимает с сотрудника рутинную обвязку — сбор фактов, черновики, выжимки, — и освобождает его время для переговоров, сложных решений и работы с людьми. Агент готовит материал, человек проверяет и подписывает. В итоге сотрудник тянет больше ценной работы прежними силами, а однообразная часть уходит на связку.
Как понять, к какой стороне относится конкретная задача?
Пройдите задачу по семи признакам: повторяемость, наличие чётких правил, лёгкость проверки результата, цена ошибки, ответственность за исход, роль эмпатии и новизна ситуации. Если задача повторяется по шаблону, легко сверяется с эталоном и дёшево правится — её забирает агент. Если она уникальна, держится на живом разговоре или несёт большую цену промаха — остаётся за человеком с усилением от машины.
Окупается ли замена в первый месяц?
В первый месяц связка часто дороже сотрудника из-за сборки и обучения команды. Настоящая отдача набирается дальше, когда поток типовых задач идёт через машину, а человек тратит время только на проверку и решения. Сравнивать зарплату с ценой подписки за один месяц бессмысленно: считайте годовую стоимость связки с учётом сборки, проверки и поддержки против того, что эта часть роли съедает сейчас.
С чего начать, если ролей под разбор несколько?
Начните с одной роли, где больше всего однообразной работы и громче жалобы на перегрузку. Выпишите её задачи за неделю, прогоните по признакам и возьмите одну задачу с высокой повторяемостью и дешёвой ошибкой. Соберите на ней связку, проверьте руками сотрудника и посчитайте годовую стоимость. Когда первая связка держится стабильно, переходите к соседним задачам и затем к следующей роли.
Разберём вашу ситуацию на Discovery-созвоне
Один час на Discovery-созвоне — и вы увидите, какие задачи в вашем случае отдать ИИ, какие оставить команде.
Прийти на Discovery-созвон →