Getty Images; Tyler Le/BI
Когда Обри завершила крупный рабочий проект в начале этого года, её руководитель прислал письмо с неожиданной просьбой. Могла бы она в презентации для топ-руководства подчеркнуть, как Claude, the AI chatbot, помог ей?
Обри, аналитик в сфере здравоохранения из Нью‑Йорка, провела бесчисленные часы, разрабатывая новый подход, который должен ускорить expensive medical manufacturing process. Хотя Claude использовался лишь в ограниченном объёме, её менеджер хотел, чтобы это выглядело так, будто идея и реализация были **придуманы и выполнены ИИ** практически самостоятельно.
«Я больше года собирала проблемы, набрасывала варианты, изучала последствия любых изменений, а мой руководитель хотел приписать всё это ИИ», — говорит Обри, попросившая не называть её фамилию из‑за страха ответных мер. Она выбрала компромисс: в подготовленной речи **усилила роль ИИ**, но всё же дала понять, что основная тяжёлая работа была на ней. Однако прямо во время выступления руководитель перебил её и заявил, что она «собрала всё за минуту с помощью ИИ». Спустя несколько недель Обри получила далеко не восторженный ежегодный отзыв. В оценке начальник напрямую не упомянул тот эпизод, но позже, когда она уточнила, сказал, что это повлияло.
Дипак, IT‑разработчик из Индии в Fortune 500 технологической компании, недавно столкнулся с похожей ситуацией. Более года назад он стал регулярно отмечать вклад automated coding agents, которые он использует для рутинных задач, из соображений прозрачности. Но вскоре, по его словам, верхний менеджмент начал считать, что все его сильные результаты — заслуга ИИ, и он подозревает, что это stalled an expected promotion.
Обри и Дипак — не исключение. Белые воротнички оказались в неприятной ловушке. Если они соглашаются на требования руководства активнее применять ИИ, не начнут ли начальники думать, что работу делает машина — не строят ли сотрудники **собственную карьерную гильотину**? Поэтому многие стали скрывать использование ИИ и размышлять, сколько признания, если вообще какое‑то, ему стоит отдавать.
В эпоху mass AI-driven layoffs вопрос «признавать или не признавать вклад ИИ» ощущается таким же судьбоносным, как «быть или не быть».
Почему признание ИИ часто обесценивает вклад сотрудника
Кристоф Ридль, профессор управления информацией в Северо‑Восточном университете, говорит, что осторожность людей в раскрытии ИИ‑помощи полностью оправдана. В недавнем метаанализе Riedl and his coauthors изучили 13 исследований по разным ролям и профессиям, чтобы оценить, как менеджеры относились к сотрудникам после раскрытия использования ИИ. Вывод оказался однозначным: руководители стабильно **занижали вклад** работников в проекты, когда workers revealed AI помогал им; managers assumed, что основную работу сделал инструмент. Один из немногих способов избежать этого «штрафа за ИИ» — сохранить контроль над ключевой частью задач и максимально точно описать, что именно сделал человек. Но это сложнее, чем звучит: работодатели всё чаще внедряют методы отслеживания ИИ‑использования, которые размывают представление о том, насколько **человек сохраняет агентность** в творческом результате.
Сегодня многие компании rely on tracking tokens — базовые единицы данных, которые обрабатывает модель. По числу токенов менеджеры видят, как часто сотрудник обращался к чатботу, объём обмена информацией и длину диалогов. Но это не объясняет, что именно ИИ внёс в проект с точки зрения идей или креатива. В результате человек может задавать company-issued chatbots бесконечные несущественные вопросы — хоть о погоде или личной жизни — и выглядеть «активным пользователем ИИ». Компании быстро поняли, что это может работать против них и подталкивать к frivolous tokenmaxxing. В прошлом месяце Amazon shut down внутренний рейтинг, который измерял использование ИИ по токенам, потому что он мотивировал людей выполнять действия, которые не решали реальных задач.
«Пожалуйста, не используйте ИИ просто ради самого использования ИИ», — сказал сотрудникам на общекорпоративной встрече Дэйв Тредвелл, старший вице‑президент Amazon.
Даже более продвинутые подходы могут вызывать проблемы. ИИ‑помощники для программирования, такие как Claude Code, доходят до того, что автоматически добавляют в написанный код подпись соавтора, не уточняя, какие строки сгенерированы автоматически и насколько активно участвовал человек.
«Наш анализ показывает: если использование ИИ раскрывается без конкретики о том, как именно он применялся, — говорит Ридль, — базовое предположение менеджера таково, что ИИ использовали способом, который **снижает агентность** человека». Иными словами, начальники склонны думать, что бот был главным двигателем новой функции продукта, быстрого исправления в софте или текста в длинном отчёте. «Поэтому уровень деталей о применении ИИ имеет колоссальное значение».
Есть попытки точнее измерять баланс человеческого и машинного вклада. Грэм Нойбиг, профессор компьютерных наук в Университете Карнеги — Меллона, стал сооснователем OpenHands — open‑source платформы для ИИ‑кодинга, которая добавляет что‑то вроде сносок‑атрибуций к строкам кода, созданным ИИ. Нойбиг считал важным помечать ИИ‑генерацию, чтобы **отрегулировать доверие** и повысить внимательность ревьюера.
Команда IBM разработала ещё более детальный способ фиксации вкладов. AI Attribution Toolkit вдохновлён CRediT (Contributor Role Taxonomy) — стандартом, с помощью которого учёные описывают вклад каждого автора в публикации. В форме AI Attribution Toolkit можно указать, какая доля работы была сгенерирована автоматически, создавал ли чатбот контент «с нуля», а также какие элементы прошли человеческую проверку. Затем инструмент формирует атрибуционное заявление, которое можно добавить в документы, код и другие материалы.
Джессика Хэ, одна из разработчиц набора инструментов, говорит, что общих формулировок о применении ИИ недостаточно — и для аудитории, и для самих пользователей. По её словам, отношение к результату будет разным в зависимости от того, генерировал ли ИИ новые идеи или simply to refine wording. Кроме того, «пользователь может почувствовать, что атрибуция посягает на его авторство, если ИИ применялся минимально».
Социальная цена прозрачности и новые нормы управления ИИ
Пока компании и исследователи пытаются точнее распределять заслуги — или вину — за работу при участии машин, люди сталкиваются с очень человеческими предположениями со стороны руководителей и коллег. Multiple studies показывают: даже добросовестное раскрытие использования ИИ может снижать доверие в коллективе и заставлять воспринимать пользователей как ленивых.
Оливер Шильке, профессор менеджмента и социологии в Университете Аризоны, чьи исследования показали, что само по себе раскрытие способно снижать доверие, согласен: противоречие между стремлением компаний внедрять ИИ ради эффективности и социальными издержками — одна из ключевых напряжённостей новой эпохи труда. Пока, говорит Шильке, бремя лежит на отдельных работниках: им нужно решать, насколько глубоко вовлекать ИИ и насколько открыто говорить об этом, «создавая парадокс, при котором те, кто поступает морально правильно, платят **штраф за прозрачность**». Более удачный путь, добавляет он, — коллективные нормы управления ИИ, включающие инструменты вроде Attribution Toolkit.
Томас Проммер, инженерный руководитель в Adidas, наблюдал похожую динамику в своей команде. Хотя обязательная атрибуция ИИ выглядела справедливо, она незаметно убила инициативу у инженеров. Они перестали тянуться к ИИ‑инструментам, «потому что не хотели, чтобы их лучшие идеи были вынесены в сноску как «cowritten by Claude»», — говорит он.
«Сигнал был таким: помощь ИИ уменьшает ценность вашей работы. Поэтому люди скрывали использование или избегали его», — говорит Проммер. Лучше всего, по его словам, сработала модель, где оценивают результат, а не инструмент. Независимо от того, сколько работы помог сделать ИИ, **ответственный человек** получает и признание, и ответственность.
Многие, включая Обри, начинают думать, что ИИ — это просто ещё одна программа, like Excel, и, возможно, его не нужно отдельно упоминать. Шильке не согласен с таким подходом. Если Excel выполняет человеческие инструкции в ограниченном и предсказуемом диапазоне, то ИИ способен создавать текст, код и идеи с минимальным вмешательством человека. По словам Шильке, он не просто помогает выполнить задачу: **он может вносить содержательный вклад** в форму и содержание результата — и это меняет смысл раскрытия использования.
«Вопрос сводится к тому, можно ли по‑прежнему приписывать видимый интеллектуальный вклад человеку или же агентность в значительной мере была передана машине», — говорит Шильке.
Для многих работников ещё более серьёзный страх — отвечать за ошибки ИИ. Ранее в этом году выяснилось, что Amazon blamed humans и уволил их из‑за промаха ИИ‑агента.
«Похвала уходит ИИ, но проверка его результата — это наша обязанность, и если ошибка проходит дальше, это тоже фиксируется как наша ответственность», — добавляет Дипак.
Алессио Артуффо, CEO Docebo (платформы обучения), считает, что простая атрибуция — неверная рамка. По его мнению, важнее не то, как именно произведён результат, а способен ли человек, отвечающий за него, **защитить решение**, улучшить его и быть подотчётным, когда оно даёт сбой.
В итоге исследователи и организационные эксперты сходятся в одном: если компании хотят, чтобы сотрудники использовали ИИ творчески и продуктивно, им придётся создать среду, где ИИ‑компетентность — это ценная способность, а не риск быть недооценённым или назначенным крайним.
«Глубинная цена — психологическая, — добавляет Артуффо. — Если сотрудники выдают больше результата, но чувствуют меньше авторства, это не победа; это регресс возможностей, замаскированный под эффективность».
