Проблема «workslop»: почему ИИ снижает эффективность компаний

Стремление бизнеса к тотальной автоматизации с помощью генеративного искусственного интеллекта оборачивается неожиданным побочным эффектом. Эксперты Harvard Business Review описывают явление под названием «workslop» — это поток низкопробного контента, сгенерированного нейросетями, который парализует привычные бизнес-процессы и требует огромных ресурсов на исправление ошибок.

Согласно выводам исследования, погоня за быстрым ростом производительности приводит к обратной ситуации: накопленные корпоративные знания обесцениваются, а сотрудники постепенно утрачивают профессиональные навыки, полагаясь на автоматизированные системы.


Цикл деградации корпоративной информации

Исследователи выделяют опасную цепочку событий, с которой сталкиваются современные организации:

  • Использование нейросетей для подготовки рабочих материалов приводит к появлению фактических ошибок и «галлюцинаций».
  • Коллеги вынуждены тратить рабочее время на тщательную проверку и верификацию контента.
  • Внутреннее доверие к данным падает, так как их достоверность перестает быть гарантированной.
  • Организационная экспертиза постепенно деградирует из-за опоры на некачественные алгоритмические решения.

Как отмечают авторы статьи, в ряде компаний уже начали вводить специальные должности, сотрудники которых занимаются исключительно «разгребанием» ошибок, допущенных искусственным интеллектом. Это нивелирует экономическую выгоду от внедрения технологий.


Кризис доверия и новые вызовы для кадров

Постоянные сбои в работе систем подрывают доверие персонала к внутренним процессам компании. Кроме того, автоматизация затронула и сферу HR. По информации источника, взаимодействие кандидатов с работодателями становится менее прозрачным из-за использования ИИ на этапах отбора, что искажает ожидания обеих сторон и усложняет подбор квалифицированных специалистов.

Ситуация усугубляется и внутренним саботажем: работники, несогласные с навязанным использованием инструментов ИИ, нередко намеренно снижают качество результатов, что лишь ускоряет хаос в операционной деятельности.


Как избежать потери контроля

В Harvard Business Review подчеркивают, что первоначальная иллюзия «автоматического роста эффективности» разбивается о реальность. Чтобы минимизировать риски, компаниям рекомендуется пересмотреть подход к внедрению технологий:

«Генеративный ИИ должен применяться избирательно — там, где он действительно приносит пользу, а не во всех процессах без исключения. Использование публичных моделей часто ведет к шаблонным ошибкам, поэтому акцент стоит смещать в сторону специализированных систем, обученных на закрытых внутренних данных компании».

Таким образом, вместо погони за массовостью, бизнесу следует сфокусироваться на качестве верификации и четком разделении задач между человеком и машиной, чтобы избежать создания новой административной нагрузки.