Мой управленческий подход: как с помощью ИИ исследовать неизвестное и приходить к руководителю с проверенными вариантами, а не пустым вопросом.
Приходи с решением: мой алгоритм 10/80/10 для работы с ИИ
В управлении я давно придерживаюсь правила: приходи не просто с вопросом, а со своей версией решения.
Что удалось выяснить?
Какие варианты есть?
Что предлагаешь сделать?
Где именно нужна моя помощь?
Но у этого правила всегда была сложная сторона.
Чтобы предложить что-то разумное, сотруднику сначала нужно разобраться в неизвестном. Найти информацию, сравнить подходы, проверить ограничения. На это уходят силы и время. Я сам не раз сталкивался с ситуацией, когда задача вроде бы передана, но руководитель снова должен думать, с чего начать.
Сейчас часть предварительной работы может взять на себя искусственный интеллект. И у меня появилась идея, как использовать его в команде не ради самого факта внедрения, а ради большей самостоятельности людей.
Я называю этот подход «алгоритмом бургера» 10 / 80 / 10:
- человек ставит задачу,
- ИИ помогает исследовать,
- человек проверяет полученное и выбирает следующее действие.
Проценты условные. Это распределение ролей, а не замер рабочего времени.
Мой главный критерий хорошо подготовленного обращения: «Вот задача, вот что я проверил, вот варианты и моя рекомендация. Вот чего я пока не знаю и какое решение мне нужно от руководителя». При этом в рискованной ситуации или за пределами полномочий правильно спросить сразу, а не искать ответ до последнего.
Почему я пересматриваю старое управленческое правило
Мне знакомо это ощущение: ты объяснил, чего хочешь добиться, передал исходные материалы, договорился о следующем шаге. А потом обсуждение возвращается почти в начало. Вместо собственной оценки и предложения звучит новый вопрос руководителю.
Я не считаю сам вопрос проблемой. Не знать ответа нормально, особенно если тема новая. Проблема возникает, когда человек даже не попробовал пройти доступную ему часть пути и фактически возвращает руководителю всю неизвестность вместе с задачей.
Впрочем, здесь нужно быть честным и к сотруднику. Раньше самостоятельное исследование могло занимать столько времени, что требование «сначала разберись сам» иногда выглядело как перекладывание сложности. Нужно было искать экспертов, читать документы, разбираться в терминах, перебирать варианты. Не на каждую задачу хватает такого ресурса.
ИИ не устранил эти трудности, но изменил некоторые условия. Он может помочь быстрее составить карту вопроса, увидеть альтернативы, подготовить список того, что действительно нужно проверить. Это не заменяет опыт и ответственность. Зато может снизить порог входа в незнакомую тему там, где инструмент уместен и разрешён.
Другие руководители и предприниматели регулярно спрашивают меня, как органично внедрить ИИ в команду. Обычно разговор быстро уходит к сервисам, лицензиям и обучению. Всё это может понадобиться. Но мне кажется, что начать можно с более простого управленческого изменения: договориться, какой результат сотрудник должен приносить после предварительной проработки вопроса.
Не обязательно требовать от всех постоянно пользоваться нейросетью. Важно, чтобы у подходящей задачи появился понятный путь от вопроса к предложению. А поможет ли ИИ улучшить этот путь в конкретной команде, ещё предстоит проверить.
Почему ответ нейросети ещё не решение
Допустим, я получил от ИИ стройный анализ: несколько вариантов, аргументы за и против, аккуратные выводы. Его легко принять за выполненную работу. Но модель могла ошибиться в фактах, сослаться на несуществующий источник или не учесть ограничение, о котором в запросе вообще не говорилось.
Внешние исследования показывают, почему здесь нужна осторожность. В опубликованной работе Generative AI at Work изучали сотрудников клиентской поддержки: доступ к ИИ-помощнику в исследованных условиях сопровождался ростом результативности, но эффект отличался для сотрудников с разным опытом. А в эксперименте Navigating the Jagged Technological Frontier помощь ИИ была полезна на одних интеллектуальных задачах, тогда как на задаче за пределами возможностей использованной модели участники с ИИ чаще давали неверные ответы.
Это не проверка моего алгоритма. Это напоминание: скорость получения убедительного текста и качество решения - не одно и то же.
Я разделяю 4 результата.
- Ответ ИИ - материал для проверки.
- Рекомендация сотрудника - вывод, который он готов объяснить.
- Согласование руководителя - решение там, где оно требует соответствующих полномочий.
- Действие - конкретный шаг, после которого можно смотреть на результат.
Если сотрудник просто переслал ответ модели, то интеллектуальная часть задачи, возможно, так и осталась у руководителя. Теперь ему нужно самому оценивать фактуру, сопоставлять варианты и решать, что делать. Такой способ использования ИИ не решает мою управленческую задачу.
Мой «алгоритм бургера»: 10 / 80 / 10
Почему бургер? Мне нравится простая аналогия: два человеческих слоя по краям и большая исследовательская часть между ними. Но здесь нет нормы «ровно 80% времени отдавать ИИ». В сложных вопросах перепроверка способна занять больше времени, чем подготовка вариантов. А для некоторых задач ИИ вообще не нужен.
Суть в последовательности: человек формулирует задачу -> ИИ помогает исследовать -> человек принимает ответственность за вывод и следующее действие.
Первые 10%: понять, что именно мы решаем
Прежде чем открывать нейросеть, я предлагаю сформулировать рамку задачи. Иначе можно получить очень подробный ответ на неправильно поставленный вопрос.
Я бы начал с пяти вещей:
- Цель. Какое изменение или ответ нам нужен?
- Критерий. Как поймём, что информации достаточно для следующего шага?
- Исходные данные. Что уже известно, а что только предполагается?
- Ограничения. Какие есть сроки, ресурсы, полномочия и допустимый риск?
- Границы использования ИИ. Какие инструменты и данные разрешены?
Например, между «найди лучший способ вести протоколы встреч» и «предложи вариант, при котором после обычной встречи не теряются договорённости, без покупки нового сервиса» - существенная разница. Во втором случае уже есть задача и ограничение, по которым можно оценивать варианты.
Первая человеческая часть - это не искусство писать промпты. Это способность поставить вопрос так, чтобы на него вообще имело смысл искать ответ. Похожую логику я разбирал в статье «Сначала цель, потом инструмент».
80%: использовать ИИ для исследования, а не для снятия ответственности
Когда рамка понятна, ИИ становится помощником. Я бы использовал его не только для генерации одного ответа, а для последовательного расширения картины:
- Какие есть варианты решения и при каких условиях они работают?
- Что может оказаться неверным в исходной постановке?
- Какие аргументы и возражения есть у каждого подхода?
- Какие факты нужно подтвердить по первоисточникам?
- Где возможны риски и что остаётся неизвестным?
- Как сравнить варианты по нашим критериям?
Здесь мне особенно интересна скорость появления проверяемых гипотез. Не надо знать правильный ответ заранее, чтобы начать двигаться. Можно быстро получить несколько направлений поиска, убрать неподходящие и углубиться в оставшиеся.
Но факты, цифры и ссылки, предложенные нейросетью, нельзя автоматически считать достоверными. Существенные утверждения нужно проверять по реальным источникам. Сам список ссылок ещё ничего не доказывает.
Есть и жёсткая граница по данным. Нельзя без разрешения загружать в произвольный ИИ-сервис клиентские материалы, личную информацию, закрытую переписку или коммерческие сведения. Иногда достаточно обезличенной постановки. Иногда нужна корпоративная среда с установленными правилами доступа. А иногда правильнее вообще обойтись без внешней модели.
Результат этой части - не готовое решение от ИИ, а материал, на основе которого человек сможет сделать свой вывод.
Последние 10%: проверить, выбрать, предложить действие
Здесь для меня начинается ключевая работа человека: понять, что из найденного годится именно для нашей ситуации.
У человека может быть контекст, которого нет в запросе: реальные договорённости с клиентом, особенности команды, бюджет, прошлые ошибки, границы полномочий. Но даже если всё это описать модели, ответственность за использование её ответа никуда не исчезает.
Поэтому сотрудник должен отделить проверенное от предположений, отбросить неприменимые варианты и объяснить собственный выбор. Если действие в его полномочиях и риски допустимы, он может его выполнить. Если нет - принести руководителю конкретное предложение на согласование.
Именно здесь для меня проявляется ценность человека. Не в том, сколько информации он нашёл, а в том, сумел ли он сократить неопределённость до следующего обоснованного шага.
Как выглядит подготовленное обращение к руководителю
Если бы я вводил такой стандарт в рабочие обсуждения, он состоял бы из шести коротких пунктов:
- Задача. Что нужно решить и зачем.
- Проверенные факты. Что выяснил, откуда информация, что пока остаётся предположением.
- Варианты. Какие способы действительно возможны. Иногда достаточно одного.
- Рекомендация. Что предлагаю выбрать и почему.
- Риски и пробелы. Где могу ошибаться и чего ещё не знаю.
- Следующий шаг. Что сделаю сам и какое решение, доступ или помощь нужны от руководителя.
Это не шаблон отчёта ради отчёта. Для простой задачи хватит нескольких предложений. Для сложной понадобится больше фактуры. И в обоих случаях нужно оставить только то, что помогает принять решение.
Условный пример, не история из моей компании. Команда выбирает, как фиксировать договорённости после встреч.
Неподготовленный вопрос: «Как нам теперь вести протоколы?»
Подготовленное предложение могло бы звучать так:
«Я сравнил два допустимых способа.
Первый можно запустить без нового сервиса, но записи придётся вносить вручную.
Второй может сократить ручную работу, однако нужно отдельно проверить доступы и согласие участников.
Предлагаю сначала проверить первый способ на нескольких обычных встречах: посмотреть, все ли поручения попадают к ответственным.
Шаблон подготовлю сам, а единое правило для команды прошу согласовать».
Разница не в количестве написанного. В первом случае руководителю передали вопрос.
Во втором - понятный следующий шаг и границу, на которой действительно требуется его решение.
Что должен сделать руководитель со своей стороны
Было бы странно требовать инициативы, не определив, где сотрудник вправе её проявлять. Если я хочу получать подготовленные предложения, мне нужно обозначить ожидаемый результат, доступные источники и инструменты, границы самостоятельного решения и ситуации, когда требуется немедленное обращение ко мне или профильному специалисту.
Иначе «приходи с решением» легко превращается в «угадай, какой ответ у меня в голове». В такой системе сотрудник может тратить силы на согласования именно потому, что никто не договорился о правилах.
Я хочу другого: чтобы человек проделал посильную часть работы и мог ясно показать, где у него появились основания для действия, а где нужна помощь. Это ответственность с обеих сторон. Подробнее о том, как определять границы решений при передаче работы, я писал в статье «Что я должен формализовать до делегирования».
Когда нужно спрашивать сразу
Не каждый вопрос надо сначала нести в ИИ. Если ошибка может причинить серьёзный ущерб клиенту или компании, затронуты безопасность, закон, персональные данные, большие суммы, чужие полномочия или необратимое действие, своевременное обращение за согласованием важнее самостоятельного исследования.
В такой ситуации хороший ответ сотрудника может быть коротким: «Вижу риск. У меня нет полномочий принимать решение. Предлагаю остановить действие и согласовать следующий шаг».
Это тоже самостоятельность. Человек заметил ограничение и не стал притворяться, что способен безопасно решить всё один. Правило «приходи с решением» не должно означать «не приходи, пока нейросеть не ответила».
Как я бы попробовал внедрить этот подход
Я бы не начинал с большой программы внедрения ИИ и обязательных отчётов об использовании нейросетей. Сначала проверил бы сам управленческий принцип на небольшом участке работы.
Например, выбрать один тип повторяющихся, не слишком рискованных задач, где сотрудникам часто приходится разбираться в неизвестном. Заранее договориться, что считается подготовленным предложением, какие данные и инструменты допустимы и в каких случаях нужно сразу спрашивать. Сначала посмотреть, как такие обращения готовятся сейчас, затем попробовать новый порядок на сопоставимых задачах.
Я бы сравнивал не количество запросов к ИИ и не красоту текста, а другие признаки: проверены ли основные факты, есть ли осмысленные варианты, сформулирован ли следующий шаг, понятно ли, кто принимает решение. И отдельно - не увеличилось ли время на перепроверку и не появились ли новые ошибки. Если появились, подход нужно менять, а не внедрять любой ценой.
После этого уже можно решить, стоит ли сохранять такой стандарт и что в нём менять. Это моя гипотеза органичного внедрения, а не отчёт о доказанном эффекте. Если на определённых задачах ИИ не помогает, от него можно отказаться без потери самого принципа самостоятельной подготовки решений.
Вопрос «заменит ли ИИ людей» намного шире. По одной управленческой модели нельзя предсказать судьбу профессий. Международная организация труда в своём исследовании рассматривает прежде всего изменение состава задач под воздействием генеративного ИИ, а не неизбежное исчезновение профессий.
Для меня сейчас важнее вопрос, на который можно влиять уже в своей команде: что делает человек после того, как получил доступ к быстрому исследованию неизвестного?
Мне нужен не пересказ ответа нейросети.
Мне нужен сотрудник, который способен сказать: вот что я выяснил, вот где не уверен, вот мой следующий шаг и вот какую часть решения нужно принять вместе. Ради такой самостоятельности я и хочу пробовать алгоритм 10 / 80 / 10.