Что такое когнитивный дизайн труда с ИИ — и зачем он компаниям

ИИ меняет не только скорость работы. Он меняет то, кто формулирует задачу, создаёт результат, проверяет его, принимает решение и отвечает за последствия. Если компания не проектирует эти изменения осознанно, новая модель работы складывается стихийно — по-разному у каждого сотрудника и каждой команды.

Представим двух разработчиков с одинаковым доступом к AI-ассистенту.

Первый передаёт системе задачу целиком, получает готовый код, проверяет, что он запускается, и отправляет изменение на review.

Второй сначала просит ИИ разложить задачу на варианты, сам выбирает подход, генерирует отдельные фрагменты, проверяет ограничения и только затем собирает итоговое решение.

Формально оба «используют ИИ». Но фактически они выполняют разную работу.

У них отличается глубина понимания, способ проверки, нагрузка на коллег, вероятность пропустить ошибку и способность сопровождать результат позже. При этом в отчёте компании оба могут выглядеть одинаково: лицензия выдана, инструмент используется, задача закрыта.

Именно здесь заканчивается вопрос внедрения технологии и начинается вопрос устройства труда.

Что такое когнитивный дизайн труда с ИИ

Когнитивный дизайн труда с ИИ — это проектирование задач, процессов, ролей, контроля, обучения и оценки результата в условиях, когда часть интеллектуальной работы выполняет искусственный интеллект.

Слово «когнитивный» здесь относится к тому, как человек работает с информацией: удерживает контекст, направляет внимание, сравнивает варианты, замечает неопределённость, проверяет убедительный ответ и принимает профессиональное решение.

ИИ перераспределяет эту нагрузку.

Человеку может больше не требоваться самостоятельно создавать первый вариант. Зато ему приходится точнее ставить задачу, передавать контекст, выбирать между предложениями, искать скрытые ошибки и оценивать последствия.

В одних процессах это действительно даёт ускорение. В других работа не исчезает, а перемещается на этапы проверки, согласования и интеграции.

Поэтому главный вопрос для компании звучит не так:

Насколько хорошо сотрудники умеют пользоваться нейросетями?

А так:

Как должна быть устроена работа, чтобы возможности ИИ превращались в качественный и устойчивый результат?

Для этого необходимо проектировать шесть связанных элементов.

1. Что именно передавать ИИ

Профессия не делится целиком на «автоматизируемую» и «человеческую». Одна рабочая задача состоит из разных интеллектуальных действий.

Например, в аналитической работе можно отдельно выделить сбор информации, поиск закономерностей, формирование гипотез, проверку данных, интерпретацию и подготовку рекомендации.

ИИ может хорошо ускорять часть этих действий. Но для других нужен внутренний контекст, профессиональное суждение или ответственность за последствия.

Поэтому компании важно определить не только, где ИИ разрешён, но и какую роль он играет в конкретной задаче:

• выполняет действие самостоятельно;
• готовит черновик;
• предлагает варианты;
• помогает сравнивать решения;
• проверяет работу человека;
• используется только после самостоятельного анализа сотрудника.

Такой выбор зависит от цены ошибки, доступности контекста, сложности проверки и уровня специалиста.

2. Как меняется весь рабочий процесс

Быстро получить первый результат — не значит быстро завершить работу.

Код нужно проверить и встроить в систему. Аналитический вывод — подтвердить данными и перевести в решение. Документ — согласовать. Ответ клиенту — сопоставить с политикой компании и историей обращения.

Когда сотрудники начинают создавать больше результатов, нагрузка может переместиться на review, экспертов, руководителей или QA. Внешне команда выглядит продуктивнее, но полный цикл задачи не сокращается.

Поэтому анализировать нужно весь путь:

постановка задачи → передача контекста → работа с ИИ → проверка → доработка → согласование → интеграция → использование результата.

Когнитивный дизайн помогает увидеть, где действительно появился выигрыш, а где возникла новая очередь, больше итераций или дополнительная проверка.

3. Где требуется человеческий контроль

Фраза «результат проверяет человек» звучит надёжно, но ничего не гарантирует сама по себе.

Чтобы контроль был реальным, сотрудник должен понимать, что проверять, иметь нужный контекст, знать критерии качества, обладать достаточной квалификацией и иметь право остановить процесс.

Если человек лишь быстро просматривает убедительно оформленный ответ и нажимает «подтвердить», это формальное участие, а не профессиональный контроль.

При этом перепроверять вручную всё тоже бессмысленно: тогда компания теряет большую часть выигрыша от ИИ.

Задача проектирования — определить разные уровни контроля. Где достаточно быстрой сверки? Где нужны тесты? Где требуется независимый эксперт? Где решение нельзя выполнять автоматически без подтверждения человека?

4. Как распределяются роли и ответственность

Совместный результат человека и ИИ редко создаётся одним участником.

Один сотрудник формулирует запрос. Другой предоставляет данные. ИИ создаёт черновик. Эксперт проверяет отдельные части. Руководитель принимает решение. Ещё один специалист внедряет его в процесс.

Формулировки «ответственность остаётся у человека» недостаточно. Нужно понимать:

• у какого именно человека;
• за какую часть работы;
• что он обязан проверить;
• какой контекст должен получить;
• когда обязан остановить процесс или передать вопрос выше;
• кто отвечает за итоговое решение.

Без этого ответственность остаётся формальной, а реальные границы выясняются уже после ошибки.

5. Как сохраняется и развивается экспертиза

ИИ позволяет начинающему специалисту быстрее получить приемлемый результат. Но выполненная задача и сформированное профессиональное мышление — не одно и то же.

Раньше экспертиза развивалась через самостоятельный поиск, ошибки, сравнение подходов, объяснение своей логики и обратную связь от более опытных коллег.

Если эти этапы полностью передаются ИИ, сотрудник может быстрее производить результат, но медленнее учиться замечать ошибки и принимать решения без подсказки.

Поэтому компании нужно определять, какие действия можно автоматизировать сразу, какие лучше выполнять вместе с ИИ, а какие временно сохранять за человеком как развивающие.

Это особенно важно для онбординга, работы junior- и middle-специалистов и подготовки будущих экспертов.

6. Как оценивать результат

Количество лицензий, промптов, сгенерированного текста или кода не показывает бизнес-эффект.

Объём результата может расти одновременно с количеством доработок, нагрузкой на проверяющих, техническим долгом и снижением понимания решений.

Поэтому полезнее оценивать:

• полное время от постановки задачи до принятого результата;
• качество и количество возвратов;
• нагрузку на следующие этапы;
• способность автора объяснить решение;
• сопровождаемость результата;
• влияние на работу всей команды, а не одного сотрудника.

Человеческий вклад тоже меняется. Он всё чаще находится не в ручном создании каждого элемента, а в постановке задачи, использовании контекста, выборе подхода, обнаружении ошибки, интеграции и ответственности за последствия.

Чем это отличается от внедрения AI-инструментов

Техническое внедрение отвечает на вопросы: какую систему выбрать, кому выдать доступ, как защитить данные и как обучить базовым функциям.

Когнитивный дизайн отвечает на другой уровень вопросов:

• как после внедрения изменилась работа;
• что теперь делает человек;
• где появился выигрыш, а где новая нагрузка;
• кто проверяет результат;
• как развивается экспертиза;
• кто принимает решение;
• как измеряется ценность.

Оба направления нужны.

Компания может грамотно внедрить технологию и при этом получить плохо организованную практику её использования.

Именно поэтому обучение промптам не заменяет проектирование труда.

Когда компании уже пора этим заниматься

Обычно необходимость становится заметной, когда:

• сотрудники используют ИИ по совершенно разным правилам;
• руководители не понимают, где технология реально экономит время;
• результат создаётся быстрее, но сроки всего процесса не меняются;
• проверка держится на нескольких сильных экспертах;
• правила ограничиваются общими запретами;
• обучение не связано с реальными задачами и ролями;
• компания измеряет использование ИИ, но не итоговый результат.

Это не означает, что нужно сразу перестраивать всю организацию.

Практичнее начать с одного процесса: разработки и review, аналитики, поддержки, подготовки документации, онбординга или принятия управленческих решений.

Сначала восстановить реальную картину работы, затем найти изменения в нагрузке, контроле и ответственности и только после этого проектировать новую модель.

Зачем это компании

Когнитивный дизайн нужен не для того, чтобы ограничить ИИ или вернуть людей к ручной работе.

Его задача — сделать использование технологии управляемым.

Хорошо спроектированная работа помогает:

• применять ИИ там, где он действительно полезен;
• не создавать скрытые очереди у экспертов и руководителей;
• сохранять качество решений;
• делать человеческий контроль реальным, а не формальным;
• развивать специалистов в новой рабочей среде;
• оценивать не объём генерации, а результат всей системы.

Вопрос уже не в том, будут ли сотрудники использовать ИИ. Они уже используют его — официально или неофициально, одинаково или каждый по-своему.

Главный вопрос:

Кто и как спроектирует новую систему интеллектуального труда?

В NOOCRAFT эта практика называется ноокрафтингом — системным перепроектированием интеллектуальной работы человека с ИИ.

Работа с компанией может начинаться с одного процесса или одной команды: с анализа того, как ИИ используется сейчас, где возникает реальная польза и какие элементы работы уже требуют перепроектирования.

Следующий материал

Какие задачи можно передать ИИ — а что должно оставаться человеку

Разбираем, что можно делегировать системе, где ИИ должен оставаться помощником и как выбрать допустимый уровень автономности.

Читать дальше →