Какие задачи можно передать ИИ — а что должно оставаться человеку

ИИ стоит передавать не профессию целиком, а отдельные действия внутри задачи. Чем понятнее цель, проще проверка, ниже цена ошибки и легче отменить результат, тем больше автономности можно дать системе. Цели, сложный контекст, профессиональное суждение и решения с существенными последствиями должны оставаться за человеком.

Представим обычную ситуацию в продуктовой команде.

Руководитель просит аналитика выяснить, почему снизилась конверсия. Аналитик выгружает данные, передаёт их ИИ и через несколько минут получает связный ответ: возможные причины, проблемные сегменты пользователей и рекомендации.

Выглядит как готовая работа.

Но ИИ действительно нашёл закономерность — или построил убедительную историю вокруг неполных данных? Учёл ли он изменения продукта, рекламную кампанию, сезонность и особенности выборки? Кто должен проверить вывод? И кто будет отвечать, если на его основе команда изменит продукт не в ту сторону?

Одна задача включает разные виды интеллектуальной работы: собрать информацию, найти связи, сформулировать гипотезы, проверить их, учесть внутренний контекст и принять решение.

Одни действия разумно делегировать ИИ. Другие лучше выполнять совместно. Третьи должны оставаться за человеком.

Поэтому вопрос для компании звучит не так:

Какие профессии можно автоматизировать с помощью ИИ?

А так:

Какие задачи и отдельные действия можно передать ИИ, какую роль дать системе и где должна заканчиваться её автономность?

Какие задачи можно передать ИИ: начинать нужно не с профессий, а с действий

Формулировки вроде «автоматизируем работу аналитика» или «ИИ возьмёт на себя функции разработчика» слишком широки, чтобы на их основе проектировать реальный процесс.

Возьмём разработку новой функции. Внутри одной задачи могут быть:

• уточнение бизнес-потребности;
• поиск нужного участка кода;
• анализ зависимостей;
• выбор архитектурного решения;
• генерация фрагментов;
• написание тестов;
• оценка рисков;
• проверка соответствия требованиям;
• интеграция изменения;
• решение о выпуске.

ИИ может быть полезен почти на каждом этапе. Но это не означает, что на каждом этапе ему следует давать одинаковую свободу.

Сгенерировать тестовые данные и выбрать архитектурный компромисс — не одно и то же. Подготовить черновик ответа клиенту и самостоятельно принять решение о компенсации — тоже.

Поэтому распределять работу между человеком и ИИ нужно на уровне конкретных действий. Сначала команда разбирает, из чего состоит задача. Затем определяет, что система может выполнить самостоятельно, где она готовит первый вариант, где помогает человеку думать, а где не должна принимать решение.

Четыре роли ИИ внутри рабочей задачи

Вместо одного общего режима «мы используем ИИ» компании полезно различать как минимум четыре роли системы.

1. ИИ как исполнитель понятной операции

Система получает хорошо определённое действие с проверяемым результатом: привести данные к нужному формату, расшифровать запись, создать тестовые примеры, найти повторения или подготовить сводку по заданной структуре.

Такой режим подходит, когда:

• цель однозначна;
• входные данные доступны;
• качество легко проверить;
• ошибка быстро обнаруживается;
• последствия ограничены.

Именно такие задачи обычно проще всего автоматизировать с помощью ИИ. Здесь системе можно дать сравнительно высокий уровень автономности, особенно если действие обратимо и не затрагивает критические данные или решения.

2. ИИ как создатель первого варианта

Система готовит черновик кода, документа, анализа, сценария или ответа. Человек не начинает с пустого листа, но должен доработать результат и проверить его соответствие задаче.

Этот режим экономит время, когда создание первого варианта трудоёмко, а проверка для специалиста сравнительно понятна.

Риск появляется, когда черновик начинают воспринимать как почти готовый результат. Чем убедительнее он выглядит, тем легче пропустить слабые предположения, фактическую ошибку или несоответствие внутреннему контексту.

Поэтому «ИИ написал» не должно автоматически означать «работа почти завершена».

3. ИИ как партнёр по анализу

Система не выдаёт один «правильный» ответ, а помогает расширить поле мышления: предлагает варианты, задаёт вопросы, ищет контраргументы, сравнивает подходы и указывает на возможные пробелы.

В этом режиме ИИ не заменяет профессиональное решение, а поддерживает его.

Такой подход особенно полезен в задачах, где важны неоднозначность, поиск альтернатив и критическое мышление. Но окончательная интерпретация остаётся у человека, потому что именно он понимает внутренний контекст, ограничения проекта и последствия выбора.

4. ИИ как автономный агент

Система не только формирует ответ, но и выполняет цепочку действий: изменяет данные, отправляет сообщения, создаёт задачи, запускает процессы или взаимодействует с другими системами.

В этом случае уже недостаточно проверить итоговый текст. Нужно заранее определить:

• какие действия агенту разрешены;
• какие данные он может использовать;
• при каких условиях обязан остановиться;
• где требуется подтверждение человека;
• как фиксируются его действия;
• как отменить ошибочное решение.

Чем сложнее вернуть процесс в исходное состояние, тем уже должен быть уровень автономности ИИ.

Как понять, что можно делегировать ИИ: пять вопросов

Универсального списка «можно» и «нельзя» не существует. Одна и та же операция в разных компаниях может иметь разную цену ошибки, доступ к данным и требования к контролю.

Но есть пять вопросов, которые помогают определить, какие задачи можно передать ИИ и в каком режиме.

1. Насколько дорогой может быть ошибка?

Опечатка во внутреннем черновике и неверная рекомендация по информационной безопасности — разные категории риска.

Чем серьёзнее возможные последствия для клиента, продукта, финансов, репутации или людей, тем важнее человеческое решение и независимая проверка.

Высокая цена ошибки не всегда означает полный запрет ИИ. Но она почти всегда означает более узкую автономность, дополнительные проверки и понятную точку ответственности.

2. Можно ли быстро проверить результат?

ИИ особенно полезен там, где результат проверяется быстрее, чем создаётся вручную.

Если специалисту приходится заново выполнять всю работу, чтобы понять, прав ли ИИ, экономия может оказаться иллюзорной.

Если же ошибку трудно заметить даже эксперту, автоматизация требует дополнительных ограничений: тестов, второго мнения, сверки с источниками или обязательного подтверждения перед выполнением действия.

3. Достаточно ли системе контекста?

Часть профессиональных решений опирается не только на формальные данные, но и на историю проекта, отношения с клиентом, предыдущие ошибки, негласные ограничения и понимание людей.

Если этот контекст нельзя безопасно и полно передать системе, ИИ может предложить логичное, но непригодное решение.

Поэтому недостаток контекста — это не просто проблема «плохого промпта». Иногда нужный контекст в принципе распределён между людьми, документами и опытом команды. В таких задачах ИИ лучше использовать как помощника, а не как самостоятельного исполнителя.

4. Можно ли отменить действие?

Чем легче вернуть всё в исходное состояние, тем больше автономности можно допустить.

Создать черновик документа безопаснее, чем автоматически отправить его клиенту. Предложить изменение кода безопаснее, чем самостоятельно выпустить его в рабочую среду. Сформировать проект решения безопаснее, чем сразу изменить права доступа или финансовые данные.

Обратимость — один из самых практичных критериев при выборе уровня автономности ИИ.

5. Как эта часть работы формирует экспертизу?

Иногда ручное выполнение кажется неэффективным, но именно на нём специалист учится замечать закономерности, распознавать ошибки и понимать устройство системы.

Если передать ИИ все развивающие действия, компания может получить быстрый результат сегодня и одновременно ослабить подготовку будущих экспертов.

Поэтому один и тот же этап может быть автоматизирован для senior-специалиста и сохранён как учебный для junior. Решение зависит не только от эффективности, но и от того, какую профессиональную способность компания хочет сохранить и развить.

Какие решения должны оставаться человеку

Формула «человек должен делать всё важное» слишком расплывчата. В реальном процессе за человеком обычно необходимо сохранить четыре функции.

Постановка цели

ИИ может помочь уточнить формулировку, но он не должен сам определять, какой результат нужен компании, чьи интересы важнее и какой компромисс приемлем.

Интерпретация сложного контекста

Система может обработать информацию, но человек связывает её с реальной ситуацией: стратегией, историей решений, ограничениями продукта, отношениями с клиентом и интересами участников.

Решение с существенными последствиями

Когда выбор влияет на людей, клиентов, безопасность, деньги или долгосрочное устройство системы, требуется человек с понятными полномочиями и ответственностью.

Эскалация и остановка процесса

В хорошо спроектированном процессе человек не просто нажимает «подтвердить». Он понимает, когда ИИ вышел за пределы допустимого, каких данных не хватает и в какой момент процесс нужно остановить, перепроверить или передать эксперту.

Как выбрать уровень автономности ИИ

Для большинства компаний полезнее не спорить о полном запрете или полном доверии, а определить несколько уровней автономности.

Например:

1. ИИ только помогает искать и структурировать информацию.
2. Готовит черновик, который полностью проверяет человек.
3. Предлагает несколько вариантов, а решение принимает специалист.
4. Выполняет действие после явного подтверждения.
5. Действует самостоятельно в ограниченном и обратимом контуре.
6. Останавливается при заданных условиях и передаёт ситуацию человеку.

Такой подход делает использование ИИ управляемым. Сотруднику понятна его роль, руководителю — границы риска, а компании — где именно возникает эффект и кто отвечает за итог.

Уровень автономности не должен быть постоянным для всей роли. Он может различаться даже внутри одного процесса: ИИ самостоятельно готовит сводку, предлагает варианты решения, но не отправляет их клиенту без подтверждения сотрудника.

Как начать распределять работу между человеком и ИИ

Не нужно сразу описывать все профессии и процессы компании.

Достаточно выбрать один часто повторяющийся рабочий сценарий, где сотрудники уже используют ИИ, и разложить его на этапы.

Для каждого этапа стоит определить:

1. Что делает человек сейчас?
2. Что уже передаётся ИИ?
3. Как проверяется результат?
4. Какова цена ошибки?
5. Какой контекст нужен?
6. Можно ли отменить действие?
7. Формирует ли этот этап важный профессиональный навык?
8. Какой уровень автономности допустим?

Уже на этом уровне обычно становится видно, что проблема не сводится к качеству промптов.

Где-то ИИ можно дать больше свободы. Где-то нужно добавить критерии проверки. Где-то — вернуть человеку самостоятельный анализ. А где-то выясняется, что узким местом стала не генерация, а review, согласование или принятие решения.

Главный принцип

Передавать ИИ стоит те элементы работы, где его скорость действительно снижает общую трудоёмкость, результат можно надёжно проверить, а ошибку — обнаружить и исправить без непропорциональных последствий.

За человеком должны оставаться не обязательно все ручные действия, а функции, которые требуют:

• понимания цели;
• интерпретации сложного контекста;
• профессионального суждения;
• решения с существенными последствиями;
• ответственности за итог.

Когнитивный дизайн не защищает старый способ работы от автоматизации. Он помогает определить, какие задачи можно передать ИИ с реальной пользой, где система должна оставаться помощником и в какой точке автономность начинает создавать больше риска, чем ценности.

Следующий материал

Почему ИИ не всегда ускоряет IT-команды

Разберём, куда перемещается работа после генерации, почему растёт нагрузка на review и как локальное ускорение может создать новое узкое место для всей команды.

Читать дальше →