Автоматизация бизнеса с помощью ИИ: сотрудник экономит 3 часа, команда теряет столько же

Антон Калуцкий, руководитель DEVCOM, описал типичную ситуацию из практики 1С-разработки и аутстаффинга. Разработчики генерируют код, аналитики готовят требования и документацию, HR составляют описания вакансий. На уровне отдельного сотрудника задача, которая занимала четыре часа, теперь решается за час. Но когда результат уходит дальше по цепочке, экономия часто превращается в дополнительную работу для коллег.

Почему личное ускорение не равно ускорению команды?

По наблюдениям Калуцкого, сотрудник с ИИ может работать быстрее в два-три раза, а скорость команды остаётся прежней. Иногда процесс даже замедляется.

Конкретный пример из практики DEVCOM: аналитик собрал вводные и передал их языковой модели. За несколько минут получил большой структурированный документ с заголовками, описаниями процессов и выводами. Бегло проверил и отправил техническому архитектору. Для аналитика задача заняла час вместо четырёх.

Архитектору же пришлось разбираться три часа. Часть формулировок оказалась слишком общей, некоторые выводы не опирались на исходные требования, отдельные разделы противоречили друг другу. Несколько абзацев можно было заменить одним предложением.

Калуцкий предлагает простую формулу для оценки:

Эффект от ИИ = сэкономленное время автора − дополнительное время остальных участников.

Если разработчик за 20 минут сгенерировал код, а коллега затем два часа разбирался, исправлял и переписывал, скорость генерации ничего не говорит об общей производительности.

15 страниц за минуту, три полезных после проверки

Языковая модель не различает между одной и пятнадцатью страницами так, как это делает человек. Специалист, который пишет три страницы сам, обдумывает формулировки, возвращается к тезисам, удаляет лишнее. В итоге хорошо понимает содержание.

ИИ за несколько минут выдаёт 15 страниц с корректной терминологией и логичными на первый взгляд рассуждениями. Документ выглядит готовым. Но его нужно прочитать, сопоставить с исходными данными, проверить выводы, найти неподтверждённые предположения и убрать повторы. По опыту DEVCOM, от пятнадцати страниц иногда остаётся три.

Возникает соблазн отправить текст дальше без проверки. Но проверка никуда не исчезает: её выполняет следующий участник. Локальная экономия превращается в нагрузку на команду.

Чем опасен правдоподобный результат?

Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в плохо написанном человеческом тексте обнаруживается быстро. ИИ же может выдать убедительный документ с корректными терминами и последовательными рассуждениями, в основе которых лежит неверное предположение.

Если ошибку не заметить, на ней строятся следующие выводы. Очевидную бессмыслицу легко отсеять, а убедительно сформулированную ошибку заметить сложнее. Хорошая структура и уверенный тон сами по себе не подтверждают достоверность.

Для команд, работающих с типовыми конфигурациями 1С и ТЗ на русском языке, это особенно актуально: модель может выдать правдоподобное описание бизнес-процесса, которое не учитывает специфику конкретной конфигурации или регламента заказчика.

Что понадобится

• Любая доступная языковая модель: ChatGPT, YandexGPT, GigaChat или другая, которой пользуетесь сейчас
• Реальная рабочая задача: ТЗ, аналитический документ, фрагмент кода, письмо
• 15 минут на проверку результата перед отправкой коллегам
• Формула оценки эффекта (описана выше)

Пошаговая инструкция: как не перекладывать работу на команду

1. Сформулируйте задачу для модели с контекстом. Передайте не только «что нужно сделать», но и для кого результат, какие ограничения проекта, какой объём ожидается. Чем точнее вводные, тем меньше «воды» на выходе.

2. Ограничьте объём ответа в промпте. Промпт (запрос к модели) должен явно указывать формат и длину. Пример:

Напиши техническое задание на доработку обработки загрузки данных в 1С:УТ.
Объём: не больше двух страниц.
Структура: цель, входные данные, алгоритм, ожидаемый результат.
Не добавляй информацию, которой нет в моих вводных.

1. Проверьте результат по чек-листу перед отправкой. Пройдите по пунктам:
2. Отвечает ли текст исходной задаче?
3. Откуда взялись факты и выводы? Были ли они во вводных?
4. Нет ли противоречий между разделами?
5. Можно ли сократить текст без потери смысла?

6. Готовы ли вы поставить своё имя под документом?

7. Удалите всё, что модель «додумала». Если абзац содержит утверждение, которого не было в вашем задании, удалите его или замените проверенным фактом.

8. Посчитайте реальную экономию по формуле. Запишите, сколько времени потратили вы и сколько потратил следующий участник на доработку. Если итог отрицательный, скорректируйте подход.

9. Сообщите коллеге, что именно проверено, а что нет. Если отправляете документ дальше и не успели проверить часть, укажите это явно. Это сэкономит часы на следующем этапе.

Что делать с этим прямо сейчас, по ролям

Авторам Дзена и копирайтерам. Принцип работает и для контента: если вы генерируете статью через ИИ и отправляете редактору без вычитки, редактор тратит вдвое больше времени. Проверяйте факты и удаляйте «воду» до публикации, а не после.

Маркетологам и руководителям проектов. Считайте не скорость отдельного исполнителя, а время всей цепочки. Попросите команду неделю записывать, сколько часов уходит на доработку ИИ-результатов от коллег. Число может удивить.

Предпринимателям в РФ и СНГ. Если ваша команда работает с 1С или другими типовыми системами, промпты на русском языке с указанием конкретной конфигурации дают результат точнее, чем общие запросы. Из доступных в РФ моделей подойдут YandexGPT и GigaChat; для кода также работает ChatGPT через VPN.

Формула Калуцкого не требует сложных инструментов или новых подписок. Достаточно одного вопроса перед нажатием кнопки «отправить»: готов ли я отвечать за этот текст, и сколько времени потратит тот, кто получит его следующим?