У руководителя легко появляется логичная мысль: если AI повышает продуктивность, нужно ускорить adoption. Например, обязать команды пользоваться определённым инструментом или показать минимальное количество запросов.
Проблема начинается в тот момент, когда использование инструмента становится целью вместо результата.
Люди начинают оптимизировать метрику
Если измеряется количество AI-запросов, появятся запросы. Если измеряется доля сотрудников, которые используют инструмент, появятся активные аккаунты.
Но ни то, ни другое не доказывает, что работа стала быстрее, дешевле или качественнее.
AI полезен не для каждой задачи
Есть работа, где AI экономит часы. Есть задачи, где быстрее сделать самому. Есть процессы, где дополнительная проверка результата съедает весь выигрыш.
Единое требование игнорирует различия между ролями, рисками и типами работы.
Обязательность может снизить качество
Если сотрудник чувствует, что должен продемонстрировать использование AI, появляется соблазн вставлять его туда, где он не нужен.
В результате организация получает больше промежуточного текста, кода или анализа, но не обязательно больше полезного результата.
Руководству важнее убрать барьеры
Вместо требования «используйте AI» полезнее дать безопасные инструменты, понятные правила работы с данными, обучение и пространство для экспериментов.
После этого сильные кейсы можно превращать в стандартные практики там, где они действительно работают.
Измеряйте изменение работы
Если AI внедряется в процесс, смотреть стоит на время выполнения, качество, стоимость, количество ручных шагов и результат для клиента.
Usage может быть вспомогательной метрикой adoption, но не доказательством ценности.
Требовать эффективность — нормально
Компания вполне может ожидать, что сотрудники используют современные инструменты и ищут более эффективные способы работы.
Но сильнее ставить цель в терминах результата и оставлять инструмент средством, если нет конкретной причины стандартизировать его.
Если AI действительно делает работу лучше, сотрудникам не придётся долго объяснять, зачем им пользоваться. А если приходится вводить KPI на количество запросов, возможно, компания пока измеряет не то.