По мере того как искусственный интеллект всё глубже проникает в корпоративную среду, многие ожидают радикального сокращения числа «белых воротничков». Логика кажется простой: если алгоритм способен подготовить аналитическую записку, сформировать финансовую модель или предложить стратегию, зачем держать целый штат консультантов и менеджеров? Однако, как показывают наблюдения за реальной практикой, этот прогноз может оказаться ошибочным. Причём не из-за технических ограничений ИИ, а из-за природы самих профессий, которые принято называть «запутанными».
Что такое «запутанные» профессии
Речь идёт о сферах, где принятие решений зависит от множества независимых участников, а обратная связь работает медленно и нечётко. Консалтинг, управление проектами, корпоративная стратегия, согласование бюджетов, взаимодействие с регуляторами — все эти области объединяет одно: здесь недостаточно подготовить качественный документ. Его нужно обсудить, согласовать, адаптировать под интересы разных сторон, провести через десятки инстанций и только затем реализовать. Чем сложнее организационная структура, тем больше таких «узких мест» возникает на пути от идеи до результата.
Именно в этих зонах ИИ демонстрирует удивительную асимметрию. Он способен значительно сократить время, необходимое для подготовки предложения: собрать данные, проанализировать варианты, сформулировать аргументы, оформить презентацию. Но он почти не влияет на время согласования и реализации. Люди по-прежнему должны встречаться, спорить, искать компромиссы, учитывать политические и эмоциональные факторы, реагировать на возражения и бюрократические барьеры. Алгоритм не может заменить переговоры, не может убедить недовольного руководителя, не может ускорить работу юридического департамента или согласовать решение с внешним партнёром.
Парадокс Джевонса в новом контексте
Здесь и возникает эффект, который можно назвать «парадоксом Джевонса» в применении к интеллектуальному труду. В классической экономике этот парадокс описывает ситуацию, когда повышение эффективности использования ресурса приводит не к сокращению его потребления, а к росту. Например, более экономичные двигатели увеличивают пробег, что ведёт к большему расходу топлива. В случае с ИИ логика похожа: поскольку подготовка каждого предложения занимает меньше времени и требует меньше аналитической работы, у компаний появляется возможность генерировать больше идей, гипотез и вариантов решений. Но каждое из них нужно обсудить, согласовать и утвердить. В результате нагрузка на этапы координации не только не снижается, но и возрастает.
Консультант, который раньше готовил одну стратегию в месяц, теперь с помощью ИИ может подготовить пять. Но ему всё равно придётся провести встречи с клиентом по каждой из них, собрать обратную связь, переработать детали, согласовать с заинтересованными сторонами. Менеджер, который раньше вёл один проект, теперь курирует три, потому что техническая часть ускорилась. Но количество совещаний, согласований и отчётов растёт пропорционально. Работы становится не меньше — её становится больше.
Этот эффект разрушает привычное представление о том, что автоматизация обязательно ведёт к сокращению рабочих мест. В производстве, где процессы линейны и предсказуемы, роботы действительно заменяют людей. В сферах, где решения принимаются коллективно и зависят от человеческого взаимодействия, автоматизация лишь перераспределяет нагрузку. Алгоритм берёт на себя рутину, но освободившееся время заполняется новыми задачами, которые требуют именно человеческого участия: переговоров, убеждения, координации, разрешения конфликтов.
Для России этот вывод особенно актуален. В условиях дефицита кадров и высокой стоимости труда компании ищут способы повысить производительность. Но если ИИ приводит к росту числа предложений, требующих согласования, то нагрузка на управленческий персонал растёт. Это означает, что инвестиции в ИИ должны сопровождаться инвестициями в организационные процессы: упрощение бюрократии, сокращение уровней согласования, повышение autonomy сотрудников. Иначе парадокс Джевонса обернётся тем, что компания будет тратить всё больше ресурсов на обсуждение идей, которые так и не дойдут до реализации.
Понимание этого эффекта меняет стратегию внедрения ИИ. Вместо того чтобы рассматривать его исключительно как инструмент сокращения издержек, компании должны видеть в нём усилитель, который требует перестройки всей системы принятия решений. Если организационная структура остаётся прежней, ИИ не разгрузит менеджеров — он завалит их новыми задачами. Если же компания готова упростить процессы, делегировать полномочия и сократить число согласовательных инстанций, тогда эффект будет иным: скорость принятия решений вырастет, а нагрузка на людей снизится. Вопрос лишь в том, готовы ли организации к такой трансформации. Пока же практика показывает: ИИ меняет не количество работы, а её характер. И к этому нужно быть готовым.
