Ловушка эффективности: почему ИИ — не лучший сотрудник для вашего бизнеса

Содержание

• Вступление. Идеальный замок, который ничему не научил
• Как «эффективность» стала религией
  • Этап 1: гонка за эффективностью тела
  • Этап 2: гонка за эффективностью суждений
  • Этап 3: гонка за собственной продуктивностью
• Ценность «продуктивного трения»: почему Сизиф был счастлив
  • Философский слой: смысл в усилии, а не в результате
  • Когнитивный слой: парадокс «желательной сложности»
  • Инновационный слой: от случайности к управляемому провалу
  • Организационный слой: от «fail fast» к «организационному люфту»
• Экономика стерильного мира: три последствия «ловушки эффективности»
  • Последствие 1: стратегическая гомогенизация и смерть серендипности
  • Последствие 2: атрофия ключевых компетенций и коллапс «перетока знаний»
  • Последствие 3: мотивационный вакуум
• Заключение. Выбор архитектора: фабрика или мастерская?

Вступление. Идеальный замок, который ничему не научил

Исследователи из Университета Карнеги-Меллона представили LegoGPT (позднее переименованный в BrickGPT) — генеративный ИИ, который по текстовому запросу создает физически стабильные, собираемые 3D-модели (Pun et al., 2025). Технология позволяет сфотографировать россыпь деталей из старой коробки LEGO и тут же получить инструкции по сборке уникальных моделей из этого конкретного набора.

На первый взгляд, это триумф инженерной мысли. Этот кейс иллюстрирует не только прорыв в генеративном моделировании, но и тренды на гиперперсонализацию и повторное использование ресурсов. Сегодня это кубики, завтра — компоненты для быстрого прототипирования, кастомные детали для производства или архитектурные элементы. Но за технологическим прорывом скрывается фундаментальный вызов, который мы предпочитаем игнорировать.

Представьте ребенка, который с помощью этого инструмента мгновенно строит идеальный, безупречный замок. Он получает результат, всплеск дофамина и похвалу. Но что он теряет? Он теряет часы проб и ошибок. Разочарование от рухнувшей башни. Случайный инсайт о том, как работает противовес. Развитие мелкой моторики, терпения и, главное, способности к самостоятельному решению проблем. Он получает идеальный замок, но не учится строить. Он получает ответ, но разучивается искать.

Этот кейс — идеальная метафора того, что происходит с бизнесом. Руководитель, получающий от ИИ «идеально оптимизированную» стратегию, тоже получает результат. Но чего лишается его команда? Возможности спорить, ошибаться, находить неортодоксальные решения в процессе «неэффективного» поиска.

Упрощая процесс создания, мы рискуем обесценить «неэффективный» творческий поиск, который лежит в основе человеческого капитала и настоящих инноваций. Мы вступаем в эпоху, где главным вызовом для лидера становится не погоня за эффективностью, а ее осознанное ограничение. Мы попали в ловушку, и ИИ захлопывает ее за нами.

Как «эффективность» стала религией

Нынешняя эйфория от ИИ — вполне логичная кульминация векового тренда почти религиозного поклонения эффективности. В основе нашей зависимости от эффективности лежит фундаментальный закон современной эпохи, который немецкий социолог Хартмут Роза называет «динамической стабилизацией». Суть его в том, что современные общества, а вместе с ними и компании, могут поддерживать свой статус-кво, только находясь в режиме постоянного роста, ускорения и инноваций (Hollstein & Rosa, 2023). Это структурная зависимость: чтобы просто оставаться на месте, нужно бежать все быстрее.

Эта гонка породила культ эффективности, который прошел три стадии эволюции, постепенно колонизируя все — от фабрики до нашего сознания.

Этап 1: гонка за эффективностью тела

Все началось на заводском полу с научной организации труда Фредерика Тейлора — первой масштабной попытки применить к человеческой деятельности производственную логику. Его подход был прост: разложить движения рабочего на простейшие операции и оптимизировать их, превратив человека в придаток конвейера. Термины вроде «человеческие ресурсы» и «человеческий капитал» — прямое следствие этой парадигмы, объективирующей людей как физическое средство для производства ценности (Lee, 2021).

Этап 2: гонка за эффективностью суждений

С фабрики эта логика перекочевала в офис, мутировав в «новый публичный менеджмент» (разработанные в 1980-х в Великобритании и Австралии подходы по повышению эффективности организаций государственной службы за счет использования моделей управления частного сектора) и то, что историк Джерри Мюллер называет «метрической фиксацией»: веру в то, что опытное суждение профессионала можно и нужно заменить числовыми индикаторами (Andersen, 2020). KPI, OKR, рейтинги, индексы цитируемости — все это инструменты, призванные сделать управление «объективным». Но на практике это приводит к парадоксальным искажениям: когда университеты вознаграждают за процент выпускников, они снижают стандарты; когда исследователей оценивают по числу публикаций, они жертвуют качеством ради количества; когда современные руководители, одержимые метриками, достигают KPI, они разрушают суть своей работы.

Этап 3: гонка за собственной продуктивностью

Наконец, в XXI веке культ эффективности колонизировал нашу личность. Это произошло с появлением движения «Quantified Self» — сообщества, которое продвигало идею самосовершенствования через сбор данных о себе (Hepp et al., 2021). Их видение социальных преобразований сосредоточено на изменении общества посредством личности, наделенной силой данных — неудивительно, что превращение жизни в проект, который нужно постоянно оптимизировать, напрямую связано с рынками фитнес-трекеров, умных часов и приложений для мониторинга сна.

Этот путь — от конвейера Тейлора до Apple Watch на нашем запястье — и есть генеалогия болезни. Движимые императивом «динамической стабилизации», мы построили систему, которая требует от нас постоянного ускорения. И генеративный ИИ — это не просто новый инструмент в этой гонке, это ее логический апофеоз — машина, обещающая идеальную оптимизацию самого сложного процесса — мышления. ИИ идеально подходит для цивилизации, зависимой от эффективности.

Ценность «продуктивного трения»: почему Сизиф был счастлив

То, что мы привыкли считать «неэффективностью», на самом деле является «продуктивным трением» — необходимым сопротивлением среды, которое только и делает возможным развитие, обучение и создание смысла.

Философский слой: смысл в усилии, а не в результате

Альбер Камю в «Мифе о Сизифе» утверждал, что вообразить Сизифа счастливым можно лишь в тот момент, когда он осознает тщетность своей задачи и находит смысл не в результате (камень на вершине горы), а в самом усилии, в борьбе с камнем. Увольняя Сизифа с помощью ИИ, который мгновенно кладет камень на вершину, мы не освобождаем его — мы лишаем его смысла. Психиатр Виктор Франкл, прошедший концлагеря, построил на этом свою логотерапию: главной движущей силой человека является поиск смысла, который часто находится через преодоление трудностей.

Работа, лишенная вызова и борьбы, лишается и смысла, что ведет к экзистенциальному вакууму.

Когнитивный слой: парадокс «желательной сложности»

Эта философская идея имеет прямое подтверждение в когнитивной психологии. ИИ превосходно справляется с задачами дивергентного мышления — генерацией множества вариантов по заданным параметрам. Однако ценность инновации заключается в полном цикле, который также включает конвергентное мышление (оценка и выбор лучшего пути) и, что важнее, латеральное мышление (способность подвергнуть сомнению саму задачу и найти принципиально новый подход). Делегируя ИИ «грязную» и «неэффективную» работу по поиску и перебору вариантов, мы рискуем ослабить всю когнитивную мышцу.

Этот феномен, известный как «желательная сложность» (desirable difficulty), гласит, что условия обучения, которые воспринимаются как трудные и замедляют первоначальный прогресс, часто приводят к более глубокому и долговременному усвоению знаний (Bruin et al., 2023; Bjork & Bjork, 2020). Иными словами, «нет боли — нет результата».

Это чувство борьбы и сложности — маркер глубокого обучения, а вовсе не признак неудачи. Исследование (Haaga & Kaufmann, 2020) показало, что студенты, считавшие исследовательскую работу «сложной и стрессовой», на самом деле получали более ценный опыт, чем те, кому она казалась легкой. Наш мозг обманывает нас: мы интуитивно избегаем таких условий, потому что они создают высокое «воспринимаемое усилие» и низкое «воспринимаемое обучение» (Bruin et al., 2023). Легкость и скорость на этапе обучения часто ведут к поверхностным знаниям, в то время как «успешное выполнение задания на этапе обучения не всегда приводит к наилучшим результатам» в долгосрочной перспективе (Suzuki et al., 2020).

Более того, не всякая сложность полезна. Исследования показывают, что «продуктивное трение» работает только тогда, когда оно заставляет нас глубже вникать в суть задачи. Если же сложность создается на уровне выбора ответа или механического действия, она отвлекает когнитивный ресурс от осмысления и не дает преимущества для запоминания (Ptok et al., 2019).

Возвращаясь к LegoGPT: если ИИ убирает именно семантическую сложность («что из этого можно построить?»), он лишает нас самого ценного этапа обучения.

LEGO всегда было про развитие воображения, инженерной смекалки, поиск нестандартных решений через метод проб и ошибок. Если ИИ берет на себя функцию «придумывания» и оптимизации, не приводит ли это к атрофии этих навыков, особенно у детей на ключевом этапе развития? Сколько лет пройдет до универсальной «придумывалки», когда мы потеряем ту самую креативность, которая сегодня — чуть ли не единственная священная корова человеческой нужности?

Инновационный слой: от случайности к управляемому провалу

Тот же принцип лежит в основе R&D. Значимые открытия редко рождаются из прямолинейного движения к цели; они — результат исследования тупиковых веток и случайных находок. Этот феномен известен как «серендипность», интуитивная прозорливость, — но это не просто «слепая удача». Современные исследования определяют серендипность как процесс, требующий трех обязательных условий: (1) агентности (человек должен действовать), (2) неожиданности (происходит что-то незапланированное) и (3) ценности (человек способен распознать в неожиданности ценную возможность) (Busch, 2024). Это переосмысливает серендипность из пассивного «счастливого случая» в активный процесс открытия, который можно культивировать, создавая условия для неожиданных столкновений идей и имея «подготовленный ум» для их распознавания.

Но в современном бизнесе нельзя полагаться только на культивируемую случайность, поэтому зрелые организации переходят к сознательному управлению провалами. Здесь ключевой становится концепция «интеллектуального провала» (intelligent failure). Это не любая ошибка, а «провал нарочно» — результат «тщательно спланированных действий с неопределенным результатом», которые предпринимаются для получения новых знаний и проверки фундаментальных гипотез (Hartley & Knell, 2022), что особенно важно для лидеров в ситуации неопределенности: осознанный риск неудачи может быть единственным способом получить новые знания и внедрить инновации (Narduzzo & Forrer, 2024).

В отличие от обычных ошибок, которые исправляются в рамках существующих правил, «интеллектуальный провал» заставляет компанию пересматривать сами правила, ценности и базовые допущения, на которых строится ее деятельность (Walsh, 2023; Narduzzo & Forrer, 2024).

Это переход от вопроса «Правильно ли мы делаем вещи?» к вопросу «Делаем ли мы правильные вещи?». Именно этот механизм лежит в основе прорывных, а не инкрементальных инноваций.

Организационный слой: от «fail fast» к «организационному люфту»

Мантра Кремниевой долины «fail fast and learn fast» (а также «fail often» и «fail cheap») стала популярным выражением этой идеи. Однако за ней должна стоять системная работа. Исследования показывают, что эффективное обучение на ошибках — это трехфазный процесс: 1) распознавание провала, 2) интерактивное осмысление и 3) организационная адаптация (Koporcic et al., 2025). Без культуры, позволяющей открыто обсуждать провалы, и без механизмов для их анализа и внедрения уроков, «fail fast» превращается в бессмысленную трату ресурсов.

Чтобы «интеллектуальные провалы» и серендипность стали возможны, компании нужен специфический ресурс — «организационный люфт» (organizational slack) — это «пул ресурсов в организации, который превышает минимум, необходимый для производства заданного уровня продукции» (Heubeck & Meckl, 2023). Проще говоря, это избыточные ресурсы — время, деньги, люди — которые не задействованы в операционной эффективности. Именно этот «люфт» является топливом для экспериментов. Пример Google с их знаменитой политикой «20% времени» — это целенаправленное создание такого «люфта» для поощрения инноваций.

У «люфта», однако, есть оптимальный уровень: слишком мало — и у компании нет ресурсов на инновации, слишком много — и это приводит к самодовольству и растрате. Исследования показывают, что зависимость инноваций от «люфта» имеет форму перевернутой U-образной кривой: инновации растут до определенной точки, а затем начинают снижаться (Heubeck & Meckl, 2023).

Таким образом, «сизифов труд» — это не про бессмысленное усилие. Это про сознательное создание и управление «продуктивным трением» на всех уровнях: от когнитивных задач для сотрудников до распределения ресурсов в компании. Это искусство балансировать на пике U-образной кривой, где сложность еще «желательна», а «люфт» еще не превратился в болото.

Экономика стерильного мира: три последствия «ловушки эффективности»

Эта философская проблема имеет три прямых и разрушительных экономических последствия для любого бизнеса, построенного на человеческом таланте.

Последствие 1: стратегическая гомогенизация и смерть серендипности

Когда все компании в отрасли начинают использовать одни и те же базовые ИИ-модели для анализа рынка, разработки продуктов и построения стратегий, они неизбежно приходят к схожим, «оптимальным» решениям. Уникальность исчезает, а основанное на нетрадиционном подходе конкурентное преимущество — обнуляется. Происходит это потому, что ИИ-инструменты — это не нейтральные технологии, а продукты, созданные определенными «пионерскими сообществами» со своей идеологией, в данном случае — идеологией тотальной оптимизации (Hepp, 2020). Внедряя их, компании неосознанно импортируют и эту идеологию, что и ведет к унификации мышления.

Такая среда убивает серендипность — способность делать ценные открытия случайно. Гипероптимизированная система систематически уничтожает все три условия: она снижает количество «неожиданных» отклонений и триггеров, атрофирует у сотрудников «агентность» для исследования непредписанных путей и их способность «распознавать ценность» в том, что не укладывается в KPI. В результате компания теряет способность к открытиям уровня пенициллина или микроволновой печи, которые родились из ошибок и наблюдательности (Szczyrba & Pacsi, 2023).

Если думать про кубики шире (прототипирование, промышленный дизайн, дизайн пространств), ИИ снижает порог входа. Это плюс. Но не столкнемся ли мы с волной «ИИ-оптимизированных», но в чем-то однотипных решений? Где останется место для «неправильного», неэффективного, но уникального человеческого творчества?

Последствие 2: атрофия ключевых компетенций и коллапс «перетока знаний»

Краткосрочный рост производительности за счет автоматизации творческого поиска ведет к долгосрочной атрофии ключевых компетенций, а значит система, идеально оптимизированная под текущие условия, становится чрезвычайно хрупкой. «Продуктивное трение» — это иммунная система компании, позволяющая выживать во время «черных лебедей».

Более того, гипероптимизация разрушает внутренний «переток знаний» (knowledge spillover) (Kudic et al., 2023). Инновации часто рождаются на стыке дисциплин, когда люди из разных отделов, с разным опытом, сталкиваются с проблемами и решают их по-разному. Когда все начинают использовать схожие, ИИ-оптимизированные методы, это разнообразие исчезает: компания превращается из живой экосистемы в набор изолированных «колодцев эффективности», между которыми прекращается обмен неструктурированным, случайным знанием — тем самым, что лежит в основе прорывов.

Последствие 3: мотивационный вакуум

В новой войне за таланты победит не тот, кто предложит самый эффективный ИИ-ассистент, а тот, кто предложит самые интересные, сложные и осмысленные задачи. «Ловушка эффективности» создает культуру скуки и операционной рутины, и это напрямую подрывает основы продуктивной организационной культуры, которая, как показывают исследования, неразрывно связана с мотивацией и вовлеченностью сотрудников (Nzuva & Kimanzi, 2022). В итоге такая культура вымывает из компании самых креативных и амбициозных людей, оставляя лишь исполнителей, что в долгосрочной перспективе ведет к падению, а не росту реальной производительности.

Заключение. Выбор архитектора: фабрика или мастерская?

Парадокс креативного ИИ заключается в том, что, снижая барьер для создания продукта, мы рискуем повысить барьер для развития тех внутренних качеств, которые делают нас способными к этому созданию.

Внедрение ИИ ставит перед каждым лидером не технологический, а экзистенциальный выбор: это выбор между двумя моделями будущего для вашей компании.

• Путь первый: фабрика. Вы продолжаете гонку эффективности, внедряете ИИ для максимальной оптимизации, сокращаете «неэффективные» бюджеты, заменяете дорогих экспертов на операторов ИИ. Ваша компания становится фабрикой по производству стандартизированного продукта с низкой маржой. Вы выигрываете в скорости, но становитесь хрупкими и предсказуемыми.

• Путь второй: мастерская. Вы осознанно ограничиваете эффективность, используете ИИ как помощника, но защищаете «продуктивное трение». Вы создаете «заповедники неэффективности», где людям разрешено ошибаться. Ваша компания становится мастерской по созданию уникальных, «ремесленных» решений с высокой ценностью. В ответ на засилье сгенерированного контента резко возрастает ценность доказуемо человеческого творчества.

Возможно, новая миссия лидера — стать архитектором осмысленного трения. Это означает сознательно проектировать в корпоративной культуре «интеллектуальные провалы», а вместо лозунга «fail fast» внедрять системный процесс, состоящий из трех фаз: распознавание провала, его совместное осмысление и организационная адаптация (Koporcic et al., 2025).

Этот выбор определяет ответы на ключевые стратегические вопросы, которые каждый лидер должен задать себе:

• На уровне стратегии и CEO. Какой баланс между краткосрочной эффективностью за счет ИИ и долгосрочной устойчивостью за счет развития человеческого капитала мы выбираем? Как мы защитим свою способность к созданию уникальных, а не просто оптимизированных решений?

• На уровне HRD. Как мы должны изменить программы обучения, чтобы сотрудники учились не просто пользоваться ИИ, а сотрудничать с ним, сохраняя за собой функции критического, нелинейного и стратегического мышления? Как мы будем измерять и поощрять «полезную неэффективность»?

• На уровне R&D. Как интегрировать ИИ в процесс исследований, чтобы он служил инструментом для быстрой проверки смелых гипотез, а не машиной для отсечения нестандартных идей на раннем этапе?

Ключевой вызов будущего — не в том, станет ли в мире больше креативных продуктов. А в том, останется ли у нас достаточно людей, способных к подлинно креативному мышлению. Стратегическое преимущество будущего создается не скоростью получения ответов, а качеством и глубиной задаваемых вопросов. А для этого нужно время, тишина и мужество лидера, готового защищать право своей команды на продуктивную неэффективность.

Цитирование