Как ИИ увеличивает когнитивную нагрузку сотрудников: почему ускорение не всегда повышает продуктивность

Генеративный ИИ действительно сокращает время выполнения многих задач. Код появляется быстрее, документы создаются за минуты, анализ информации занимает меньше времени.

Поэтому кажется логичным ожидать, что работа станет легче, а команды – продуктивнее.

Но на практике часто возникает другой эффект. Сотрудники быстрее получают первый результат, однако больше времени тратят на его проверку, сравнение вариантов, исправления, согласование и восстановление контекста.

ИИ снижает нагрузку на выполнение отдельных операций, но может одновременно увеличивать нагрузку на оценку, принятие решений и интеграцию результата в рабочий процесс.

Именно поэтому локальное ускорение не всегда превращается в рост производительности всей команды.

В предыдущем материале NOOCRAFT мы разбирали, почему ИИ не всегда ускоряет разработку и IT-команды. Один из ключевых факторов этого разрыва – изменение когнитивной нагрузки сотрудников.

Что такое когнитивная нагрузка при работе с ИИ

В NOOCRAFT под когнитивной нагрузкой при работе с ИИ мы понимаем совокупность умственных усилий, необходимых человеку и команде, чтобы:

• поставить задачу;
• передать ИИ достаточный контекст;
• оценить полученный результат;
• обнаружить ошибки и ограничения;
• выбрать подходящий вариант;
• встроить результат в существующую работу;
• согласовать решение с коллегами;
• исправить последствия возможных ошибок.

Когнитивная нагрузка – это не только субъективная усталость и не только время, проведённое у окна AI-инструмента.

Она может снижаться на этапе создания первого варианта и одновременно расти на этапе проверки, обсуждения или восстановления потерянного контекста.

Работа не обязательно становится сложнее. Меняется её структура.

Раньше основная часть усилий могла уходить на самостоятельное создание результата. После подключения ИИ всё больше внимания требуется на формулирование задачи, оценку ответа и принятие окончательного решения.

Классическая теория когнитивной нагрузки формировалась прежде всего в контексте обучения. Поэтому NOOCRAFT не переносит её категории на организацию труда механически, а использует как одну из рамок для анализа реальной работы человека и команды.

Почему быстрый ответ не означает лёгкую работу

Когда ИИ генерирует текст, код, расчёт или аналитический вывод за несколько секунд, возникает ощущение, что задача почти решена.

Но быстрый ответ – это только промежуточный результат.

После его получения человеку всё равно необходимо:

• проверить фактическую и техническую корректность;
• понять, соответствует ли результат цели задачи;
• увидеть скрытые предположения;
• обнаружить возможные ошибки;
• сравнить ответ с контекстом проекта;
• оценить последствия использования;
• принять решение, что оставить, а что изменить.

Часть интеллектуальной работы не исчезает. Она переносится с этапа создания на этап оценки.

Причём оценка результата иногда оказывается сложнее, чем его самостоятельное создание.

Чтобы написать решение самому, человек последовательно проходит через собственную логику. Чтобы проверить решение ИИ, ему сначала приходится восстановить чужую логику, определить использованные предположения и понять, где может скрываться ошибка.

Куда перемещается нагрузка

После внедрения ИИ новая нагрузка чаще всего возникает в нескольких местах.

Постановка задачи и передача контекста

ИИ не знает автоматически всех целей, ограничений и договорённостей проекта.

Чтобы получить полезный результат, сотруднику приходится решать:

• какие данные передать;
• какие ограничения указать;
• что считать правильным результатом;
• какую часть контекста можно опустить;
• как сформулировать критерии качества.

Чем сложнее задача, тем больше интеллектуальной работы требуется ещё до получения ответа.

Восстановление контекста

Сотрудник переключается между диалогом с ИИ, документами, кодом, комментариями коллег, задачами и требованиями проекта.

Каждое переключение требует заново вспомнить:

• что именно решается;
• какие решения уже были приняты;
• какие ограничения действуют;
• какие версии уже проверялись;
• почему предыдущий вариант был отклонён.

Отдельное действие может выполняться быстрее, но весь рабочий процесс становится более фрагментированным.

Проверка результата

Чем быстрее сотрудники создают тексты, код и аналитические материалы, тем больше результатов необходимо просматривать и оценивать.

Скорость генерации может расти быстрее, чем способность команды проверять созданное.

В этом случае узким местом становится не производство результата, а review.

Сравнение вариантов

ИИ часто предлагает не один ответ, а несколько возможных решений.

Это расширяет выбор, но одновременно добавляет новую работу.

Человеку приходится:

• сравнивать альтернативы;
• удерживать критерии;
• замечать различия;
• оценивать ограничения;
• прогнозировать последствия;
• выбирать окончательный вариант.

Больше вариантов – это дополнительная возможность, но не автоматическое снижение нагрузки.

Повторные итерации

Работа с ИИ часто развивается по циклу:

запрос → результат → проверка → уточнение → новый результат → исправление → повторная проверка

Количество действий увеличивается, а частые итерации создают ощущение постоянного прогресса.

Но большое количество сгенерированных версий ещё не означает, что задача приблизилась к качественному завершению.

Ответственность

Даже если результат подготовил ИИ, ответственность за его использование остаётся за человеком или организацией.

Сотруднику необходимо решить:

• можно ли доверять результату;
• достаточно ли проведённой проверки;
• какие риски остаются;
• кто должен подтвердить решение;
• кто будет отвечать за последствия.

Чем выше цена ошибки, тем больше внимания требует проверка.

Кто начинает перегружаться первым

Во многих командах наибольшая нагрузка возникает не у тех, кто активнее всего использует ИИ, а у тех, кто проверяет и принимает результаты.

Это могут быть:

• тимлиды;
• senior-специалисты;
• технические эксперты;
• ревьюеры;
• архитекторы;
• руководители проектов;
• сотрудники, отвечающие за качество и риски.

Они становятся скрытыми точками контроля в AI-assisted работе.

Один сотрудник может быстро создать несколько вариантов с помощью ИИ. Но другой сотрудник должен понять каждый из них, восстановить контекст, проверить ограничения и принять окончательное решение.

В результате производительность исполнителя растёт, а нагрузка эксперта увеличивается.

Так ускорение одного участка процесса создаёт очередь на другом.

Именно поэтому после внедрения ИИ узким местом нередко становится review, согласование или принятие решений, а не подготовка первого результата.

Как отличить полезное ускорение от переноса нагрузки

Полезное ускорение возникает, когда сокращается путь от постановки задачи до качественного, принятого и используемого результата.

Также ускорение может быть полезным, если высвобождённые усилия направляются на более ценную работу без непропорционального роста проверки, переделок и нагрузки на экспертов.

Но если после внедрения ИИ сотрудники начинают:

• чаще проверять результаты;
• чаще возвращать работу на доработку;
• создавать больше промежуточных вариантов;
• дольше согласовывать решения;
• чаще переключаться между задачами;
• держать больше незавершённой работы;
• тратить больше времени senior-специалистов на review.

Это сигнал, что часть полученного выигрыша могла переместиться на другие этапы процесса.

Локальное ускорение необходимо сравнивать с затратами на проверку, переделки, согласование и восстановление контекста.

Для этого недостаточно измерять только скорость выполнения одной операции.

Необходимо рассматривать весь рабочий процесс:

• где появляется первый результат;
• где он ожидает проверки;
• кто восстанавливает контекст;
• сколько раз работа возвращается на доработку;
• кто принимает окончательное решение;
• когда результат действительно начинает использоваться.

Какие показатели стоит наблюдать

Чтобы понять, снизилась ли общая нагрузка, можно отслеживать не только количество созданных результатов, но и показатели всего рабочего цикла.

Например:

• время от постановки задачи до завершения;
• время ожидания review;
• количество возвратов на доработку;
• число промежуточных версий;
• объём незавершённой работы;
• количество параллельно открытых задач;
• время экспертов, затрачиваемое на проверку;
• число ошибок, обнаруженных после принятия результата;
• время, необходимое для восстановления контекста.

Эти показатели не дают полной картины сами по себе. Но они помогают увидеть, где ускорение действительно сократило работу, а где только переместило её.

Почему это важно для руководителей

Эффективность внедрения ИИ нельзя оценивать только по тому, насколько быстрее отдельный сотрудник пишет текст, создаёт код или готовит документ.

Гораздо важнее понять:

• сократился ли полный цикл работы;
• уменьшилось ли количество переделок;
• кто теперь выполняет основную проверку;
• не выросла ли нагрузка на экспертов;
• где появились новые очереди;
• не увеличилось ли количество незавершённых задач;
• насколько понятны критерии правильного результата;
• кто принимает окончательное решение.

Без такого анализа организация может считать внедрение успешным, хотя фактическая производительность команды останется прежней или снизится.

Количество результатов вырастет, но путь от результата до реальной пользы станет длиннее.

Заключение

ИИ действительно способен значительно ускорять отдельные операции.

Но скорость создания первого результата ещё не означает рост эффективности всей системы.

Если вместе с ускорением увеличиваются объём проверки, количество переключений, число итераций и сложность принятия решений, когнитивная нагрузка не исчезает. Она перераспределяется между этапами процесса и участниками команды.

Поэтому проектирование работы с ИИ должно учитывать не только возможности модели, но и ограничения человеческого внимания, рабочей памяти и способности принимать решения.

Главный вопрос заключается не только в том, какую часть задачи может выполнить ИИ.

Не менее важно понять, какая новая работа появляется у человека после получения ответа.

Проверьте свой процесс

Какие этапы работы вашей команды действительно стали быстрее после внедрения ИИ, а где ускорение отдельных сотрудников лишь скрыло рост когнитивной нагрузки на коллег и процесс в целом?

Продолжение темы

Когда нагрузка перемещается в проверку и принятие решений, важно понять, действительно ли человек контролирует результат или лишь формально присутствует в процессе.

Следующий материал

Человек в контуре ИИ: почему «проверено сотрудником» ещё не означает контроль

Разберём, почему формального участия человека недостаточно, что требуется для реальной проверки результата ИИ и чем осмысленный контроль отличается от простой подписи под готовым решением.

Читать дальше →