Риски в работе с ИИ: 11 проблем, которые уже влияют
на сотрудников
и бизнес

Марина Хлебушкина

Эксперт

Содержание

ИИ уже стал частью повседневной работы, а не экспериментом отдельных энтузиастов. По данным исследования «Контур.Толка» и hh.ru, 43% российских работников используют ИИ-инструменты в работе, а главный мотив — ускорить задачи и повысить личную эффективность: так ответили 74% пользователей ИИ. При этом использование ИИ не всегда прозрачно для работодателя: в исследовании Honor 21% опрошенных заявили, что никогда не признались бы руководству в использовании ИИ в работе.

Для компании это означает простую вещь: сотрудники уже могут использовать ИИ в задачах с данными, клиентами, оценкой людей, внутренними документами и управленческими выводами — даже если внутри еще нет правил, обучения и утвержденных инструментов.

Особенно чувствительны ситуации, где ИИ влияет не просто на текст, а на решения: обратную связь, performance review, анализ вовлеченности, работу с кандидатами, клиентские коммуникации, отчеты для руководства и оценку сотрудников.

Ниже — 11 практических рисков взаимодействия с ИИ, которые важно учитывать сотрудникам, руководителям и HR-командам. И которые возникают не в футуристических сценариях, а в обычной рабочей среде уже сейчас

1. Некритичное доверие к ИИ

Сотрудник получает от ИИ аккуратный, уверенный текст и воспринимает его как готовый результат. Особенно легко это происходит с выводами, резюме, аналитикой и управленческими формулировками.

Как это выглядит в работе. HR-специалист загружает обезличенные результаты опроса вовлеченности и просит ИИ сформулировать ключевые выводы. В ответе появляется тезис: «основная проблема — недостаток коммуникации со стороны руководителей». Формулировка звучит логично, но в комментариях сотрудников чаще повторялась другая причина — перегрузка и неясные приоритеты.

Если такой вывод попадет в презентацию для руководства, фокус обсуждения сместится. Вместо нагрузки, приоритизации и распределения задач компания начнет работать с «коммуникацией руководителей». На уровне отчета это выглядит как небольшая неточность, на уровне управления — как ошибочная диагностика.

2. Подтверждение собственной гипотезы

ИИ удобно использовать не для проверки идеи, а для ее защиты. Поскольку архитектура ИИ нацелена на максимальную пользу пользователю, а не на критику или объективность (сonfirmation bias). Человек уже склоняется к определенному решению, а потом просит ИИ подобрать аргументы: почему подход эффективен, как его обосновать, какие у него преимущества. Возникает иллюзия что менеджер "проверил" идею через ии, хотя на самом деле проверка была заменена расширением аргументов.

Как это выглядит в работе. Руководитель считает, что команда сопротивляется изменениям из-за низкой вовлеченности. Он просит ИИ объяснить, почему сотрудники могут сопротивляться новому процессу, и получает убедительный список причин: страх нового, привычка к старым правилам, недостаток гибкости.

Но за пределами запроса остаются другие версии: слабая коммуникация запуска, перегруз, неясные роли, непонятные критерии успеха. В итоге сопротивление объясняется «неготовностью команды», хотя часть причины могла быть в самом управлении изменениями.

Так ИИ помогает красиво оформить уже выбранную версию происходящего, но не проверяет, насколько она верна.

3. Иллюзия эмоциональной поддержки

ИИ может отвечать спокойно, бережно и убедительно. Из-за этого сотрудники начинают использовать его как советника в рабочих конфликтах: с руководителем, коллегой, подчиненным, HR или клиентом.

Как это выглядит в работе. Сотрудник недоволен обратной связью после performance review. Он описывает ситуацию ИИ и получает поддерживающий ответ: «ваши чувства обоснованы, возможно, руководитель был несправедлив».
После нескольких таких диалогов сотрудник приходит на встречу уже не за прояснением ожиданий, а с готовой интерпретацией: его недооценили. Хотя часть обратной связи касалась конкретных договоренностей, которые действительно не были выполнены.

Для компании это риск эскалации конфликта: вместо разговора о фактах, ожиданиях и следующих шагах появляется спор о справедливости и личном отношении. Для сотрудника это риск постепенной замены реальных людей, не всегда удобных - на комфортный контакт с ИИ.

4. Когнитивная перегрузка

ИИ обещает ускорение, но иногда добавляет новый слой работы. Особенно если сотрудник плохо понимает критерии качества результата: текст нужно проверять, переписывать, очищать от общих фраз, сверять с реальностью и адаптировать под задачу. Получается что создание промпта и его корректировка занимают больше времени, чем если бы сотрудник выполнил задачу без ИИ.

Как это выглядит в работе. HR просит ИИ подготовить описание вакансии. Текст получается гладким, но слишком общим: появляются лишние требования, неподходящий уровень ответственности, не тот тон и формулировки, которые могут отпугнуть нужных кандидатов.

В итоге компания получает не ускорение подбора, а слабую коммуникацию с рынком: вакансия привлекает не тех людей, руководитель возвращает текст на доработку, HR тратит время не на отбор, а на исправление сгенерированного черновика.

5. Стыд за «чужой» текст

Главный риск здесь — разрыв между авторством и пониманием. Сотрудник отправляет текст от своего имени, но не может объяснить, почему там именно такие формулировки, обещания или выводы.

Как это выглядит в работе. Сотрудник готовит письмо клиенту с помощью ИИ. Текст получается вежливым и уверенным, но в нем появляются обещания, которые компания не готова давать: расширенная поддержка, индивидуальная доработка, сокращенные сроки внедрения.

Клиент воспринимает письмо как официальную позицию. Позже менеджеру приходится объяснять, что часть формулировок была некорректной. Для клиента это выглядит как непоследовательность компании, для сотрудника — как потеря доверия.

6. Иллюзия продуктивности

ИИ может быстро создать ощущение, что процесс уже подготовлен: есть регламент, письмо, FAQ, памятка и презентация. Но документы не заменяют проектирование процесса.

Как это выглядит в работе. HR-команда готовит запуск новой процедуры оценки. С помощью ИИ быстро появляются регламент, письмо сотрудникам, памятка для руководителей и список частых вопросов.

Внешне подготовка выглядит почти завершенной. На обсуждении выясняется другое: не определены ответственные за этапы, не описаны спорные случаи, не продумана коммуникация для руководителей, а сотрудники не понимают, как результаты повлияют на развитие.

Объем документов и их количество значительно увеличились, но их смысловая сторона — пустая, управляемости нет.

7. Иллюзия компетентности

ИИ может замаскировать отсутствие экспертизы. Сотрудник приносит материал, который выглядит профессионально, но не может объяснить методологию, ограничения и логику решения.

Как это выглядит в работе. Сотрудник готовит предложение по новой модели компетенций. Документ структурирован: есть блоки, уровни, индикаторы поведения и аккуратные формулировки.

На первой встрече материал выглядит убедительно. Но при уточняющих вопросах сотрудник не может объяснить, почему выбраны именно эти компетенции, как они связаны с ролями, чем отличаются уровни и как модель будет применяться в оценке.

Компания может принять слабую методическую заготовку за качественную экспертизу, а руководитель — переоценить уровень сотрудника.

8. Цифровая наивность

Этот риск особенно опасен в оценке людей. Руководителю или HR может казаться, что ИИ формулирует обратную связь более нейтрально, чем человек. Но если на входе неполные наблюдения, на выходе будет не объективность, а уверенно оформленная односторонняя версия.

Как это выглядит в работе. Руководитель просит ИИ помочь сформулировать обратную связь сотруднику по итогам периода. Он вставляет короткие заметки: «не всегда соблюдает сроки», «мало инициативы», «нужно больше самостоятельности».

ИИ выдает жесткий текст о недостаточной ответственности сотрудника. Но в заметках не было важного контекста: у сотрудника менялись приоритеты, часть задач зависела от других команд, а инициативу он проявлял в менее заметных операционных вопросах.

Если такой текст попадет в performance review, обратная связь будет выглядеть обоснованной, но по сути окажется неполной, не объективной.

9. Галлюцинации ИИ

Генеративный ИИ может создавать правдоподобные, но недостоверные факты: придумывать источники, неверно описывать продукт, искажать условия, смешивать процессы, добавлять несуществующие функции.

В продажах это превращается в невыполнимые обещания клиенту. В HR — в некорректные формулировки для кандидатов или сотрудников. В управленческих отчетах — в решения на основании фактов, которых не было.

Как это выглядит в работе. Менеджер готовит коммерческое предложение и просит ИИ усилить описание продукта. В тексте появляются функции, которых в продукте нет: автоматическая интеграция, готовые отраслевые шаблоны, расширенная аналитика, персональные рекомендации.

Клиент заинтересовывается именно этими возможностями. На следующей встрече выясняется, что часть обещаний не соответствует реальности.

Компания получает репутационный риск, а менеджер — сложный разговор с клиентом и руководителем.

10. Передача чувствительной информации

Сотрудники могут копировать в ИИ данные, которые нельзя передавать во внешний инструмент: внутреннюю переписку, клиентские условия, фрагменты договоров, результаты оценки, комментарии сотрудников, зарплатную или персональную информацию.

Чаще всего это происходит из желания ускорить задачу: сократить письмо, сделать резюме встречи, обработать комментарии, подготовить выводы.

Как это выглядит в работе. HRBP хочет быстро обобщить комментарии из оценки 360 и вставляет в ИИ фрагменты обратной связи по руководителю. В тексте есть детали, по которым можно понять участников, содержание конфликтов и особенности команды.

Даже если имена удалены, контекст остается чувствительным. Компания теряет контроль над тем, где обрабатываются данные, а сотрудник может даже не воспринимать ситуацию как нарушение: он «не передавал данные наружу», а просто «попросил ИИ помочь с формулировками».

11. Использование неразрешенных ИИ-инструментов

Даже без явной передачи конфиденциальных данных сам инструмент может быть не согласован с требованиями компании: неподходящие условия хранения, непонятные настройки приватности, личный аккаунт вместо корпоративного, отсутствие проверки со стороны ИБ.

Как это выглядит в работе. Маркетолог использует личный ИИ-сервис для подготовки материалов к новому запуску: загружает черновики позиционирования, описание сегментов, внутренние тезисы и идеи для коммуникации.

Сервис удобный, но компания его не проверяла и не разрешала для рабочих задач. Позже выясняется, что часть материалов не должна была уходить во внешний контур.

Здесь риск не в намерении сотрудника, а в неуправляемости практики: каждый выбирает инструмент сам, а компания не видит, где обрабатываются рабочие данные.

Что делать компании с этими рисками

Риски взаимодействия с ИИ нельзя закрыть одной фразой «проверяйте ответы». Компании нужны конкретные, четко описанные в регламентах работы:

какие данные нельзя передавать в ИИ;
какие инструменты разрешены для рабочих задач;
где ИИ допустим только как помощник;
какие результаты обязательно проверяет человек;
кто отвечает за финальный текст, вывод или решение;
как руководителям отличать реальную экспертизу от красиво оформленного ИИ-ответа.

Первый шаг на этом пути — понять, какие риски уже есть внутри команды. Одни сотрудники без проверки переносят ИИ-выводы в рабочие документы. Другие используют личные сервисы для задач с данными. Третьи воспринимают сгенерированный текст как готовую экспертизу.

Тест по рискам взаимодействия с ИИ от Proaction помогает увидеть, насколько сотрудник готов безопасно использовать ИИ в реальной работе: проверять ответы, видеть ограничения, защищать конфиденциальность и не перекладывать ответственность на алгоритм.

HR и руководитель получают информацию об общем Индексе контроля рисков в работе с ИИ, характерных стилях работы с ИИ — для оценки безопасности работы с ИИ в компании, а также определения приоритетов в развитии сотрудников и доработке внутренних документов.