Почему команда скрывает, как пользуется ИИ

Врач, 31 год, использует ИИ несколько раз в день. Создал шаблон промпта для одобренного больницей инструмента – получает, по его словам, «ошеломляющие результаты». Коллеги работают с тем же инструментом и жалуются, что у них не выходит. Он знает, что его шаблон им поможет.

И всё равно не делится.

Это открывающий кейс исследования HBR, которое задаёт неудобный вопрос: если ИИ действительно повышает производительность, почему компании этого не видят? Глобальное исследование KPMG и Мельбурнского университета – более 48 тысяч респондентов – нашло ответ: 57% сотрудников признаются, что скрывают, как используют ИИ на работе.

Это не проблема «теневого ИИ» в привычном смысле. Фокус не на том, что люди пользуются неодобренными инструментами. Фокус на том, что они создают рабочие методы, экономящие часы, – и держат их при себе.

Генеральный директор компании Section Грег Шов сформулировал это прямо: «ROI от ИИ есть. Просто он остаётся у сотрудника, а не у организации».

Почему это другая проблема, чем кажется

Скрытое знание существовало всегда. Исследования организационного молчания – почему люди не говорят о проблемах, рисках, тревогах – ведутся десятилетиями. Но ИИ меняет природу того, что скрывается.

Раньше молчали о проблемах. Теперь молчат о решениях.

Разница принципиальная. Когда кто-то нашёл промпт-последовательность, которая сокращает трёхчасовую задачу до 20 минут, – это не просто личный лайфхак. Это организационная ценность, упакованная в неделимый личный актив. Раньше продуктивные улучшения встраивались в общие системы и процессы и масштабировались автоматически. AI-методы – нет. Они портативны, легко совершенствуются в частном порядке и так же легко остаются при себе.

Большинство компаний реагируют на это привычным образом: пишут AI-политику, составляют списки одобренных инструментов, усиливают мониторинг использования. Всё это разумно. Но исследование показывает: это борьба с симптомом. Первопричина – доверие.

Три расчёта, которые делает сотрудник

Когда человек думает, показывать ли свой AI-метод, он делает рациональную оценку стоимости раскрытия. Авторы исследования выделяют три компонента этого расчёта.

Первый – репутация. Молодой консультант использует ИИ так же, как и коллеги, но молчит: ему кажется, что это выглядит как недостаток компетентности. В другой компании аналитик поделился AI-инструментом с командой – и получил от старшего коллеги: «Это же сделал компьютер, а не ты». Организации декларируют инновации, но местные нормы наказывают за видимость AI-использования.

Второй – нагрузка. Консультант по управлению объяснил это без обиняков: «Если я автоматизирую A и B, они не дадут мне сосредоточиться на C. Они нагрузят меня D, E, F». Когда эффективность превращается в команду «теперь успеешь ещё», у людей появляется рациональный мотив скрывать, что они стали работать быстрее.

Третий – замена. Корпоративные AI-системы логируют промпты, фиксируют итерации и документируют успешные методы. Профессор бизнес-школы Техасского A&M Мэтью Колл сформулировал проблему прямо: знание, которое раньше накапливалось годами опыта, теперь можно извлечь, задокументировать и передать другому. Его совет сотрудникам – использовать личные, а не корпоративные инструменты для самой ценной работы, чтобы метод оставался с ними.

Этот страх не паранойя – он получает статистическое подтверждение. Stanford AI Index 2026 фиксирует: AI поднимает производительность на 14–26% в таких областях, как поддержка клиентов и разработка ПО. Но одновременно найм начинающих специалистов в тех же областях снижается. Иными словами, именно там, где ИИ наиболее эффективен, входные позиции сокращаются первыми. Сотрудник, который это наблюдает, приходит к рациональному выводу: задокументированный метод – это не вклад в общее дело, это сокращение одной позиции в штатном расписании.

Когда скрываться от работодателя становится разумной карьерной стратегией – организация уже проиграла в борьбе за доверие.

Все три страха объединяет один вопрос: что произойдёт со мной, когда организация увидит, как я работаю?

Данные о доверии

Исследователи USC опросили 604 сотрудника, ежедневно использующих ИИ. Почти треть – 30% – признались, что намеренно скрывали AI-знания, методы или техники от коллег или работодателей. Это меньше 57% из глобального исследования KPMG, но всё равно значимо.

Одновременно 80% тех же людей согласились: обмен AI-знаниями улучшил бы командные задачи, помог коллегам и поднял производительность команды. Люди понимают ценность обмена – и всё равно не делятся.

Самым сильным предиктором скрытия оказался уровень организационного доверия. Сотрудники в нижнем квартиле по доверию скрывали AI-знания в 47% случаев. В верхнем квартиле – в 14%. Схожая картина для психологической безопасности: 45% против 17%.

Любопытно, что ни само наличие AI-политики, ни доступ к одобренным инструментам сами по себе не предсказывали, делились ли люди знаниями. Корпоративная инфраструктура без культурного фундамента не работает. Более того: одобренные инструменты усиливали связь между доверием и открытостью там, где доверие было высоким, – и усиливали страх там, где его не было. Инструмент, который логирует твою работу, в руках организации с низким доверием становится угрозой, а не возможностью.

Важно понимать, откуда берётся это недоверие. Согласно тому же AI Index 2026, 73% экспертов ожидают, что ИИ положительно скажется на работе людей – против 23% среди широкой публики. Рядовой сотрудник живёт в принципиально иной эмоциональной среде, чем специалист по ИИ или топ-менеджер. Именно в такой атмосфере прятать свои методы становится инстинктивной реакцией, а не осознанным саботажем.

Мета-анализ 104 исследований с охватом около 32 тысяч сотрудников подтвердил общую закономерность: психологическая безопасность устойчиво связана с меньшим скрытием знаний, тогда как токсичный надзор, рабочая нестабильность и конкурентная культура – с большим.

Это согласуется с тем, что мы видели в исследовании Microsoft WTI 2026: организационные факторы объясняют 67% разницы в AI-эффективности – вдвое больше, чем индивидуальные навыки сотрудников. Технологии не работают в культурном вакууме.

Почему экспериментирование выглядит как нарушение правил

Профессор Гарвардской школы бизнеса Эми Эдмондсон разграничивает два вида провалов: порицаемое отклонение (человек игнорирует правила, чтобы срезать угол) и похвальное исследовательское тестирование (человек экспериментирует на краю известного, производя провалы, которые генерируют ценное обучение). Проблема в том, что организации часто путают второе с первым.

Сотрудники, которые создают собственные промпт-последовательности, строят нестандартные рабочие процессы и итерируют вне официальных AI-политик, – классический пример второго. Но если организация реагирует на это как на первое, она наказывает именно то поведение, которое нужно поощрять.

Исследование Stanford Digital Economy Lab изучило 51 развёртывание корпоративного ИИ и обнаружило: 77% самых сложных проблем внедрения не были технологическими. Среди них – доверие скептически настроенных команд.

Это та же картина, которую мы разбирали применительно к гибели AI-пилотов между демо и внедрением: разрыв между «технология работает» и «люди ею пользуются» определяется не функционалом инструмента, а тем, безопасно ли ею пользоваться организационно.

Промпт-инжиниринг – выглядит просто, пока не нужен надёжный результат. Разница между «иногда получается» и «работает стабильно» – это навык, который не передаётся сам по себе: его нужно сознательно сформировать и настолько же сознательно передать команде. В открытом модуле mysummit.school – 9 реальных задач менеджера, на которых можно проверить, где именно в вашем AI-подходе есть пробелы.

Что делать руководителю

Выводы исследования неудобны для менеджеров. Ни один из страхов, которые описывают сотрудники, не является паранойей. Это разумная интерпретация того, как организации исторически обращались с личной продуктивностью сотрудников: забирали выгоды, не делясь ими. Если руководитель хочет, чтобы люди показывали, как они работают с ИИ, ему нужно предложить принципиально другую сделку.

Пять направлений, которые предлагают авторы.

Устранить двусмысленность

Сотрудники тратят когнитивные ресурсы не на работу, а на управление тем, как их AI-использование будет выглядеть. Чтобы это прекратить, нужна не запрещающая, а разрешающая политика: что поощряется, что ограничено, как действовать в серых зонах.

Это не требует переработки каждого процесса под ИИ. Достаточно убрать двусмысленность, которая заставляет людей скрываться.

Ограничить стоимость раскрытия

Исследования репозиториев знаний показывают: люди вносят вклад, когда система снижает усилие кодификации знания, а не добавляет к нему. Попросить сотрудника превратить рабочую промпт-последовательность в методический документ – это добавить усилие. Правильный формат: показал один раз на коротком демо, компания берёт на себя документирование и распространение, автор сохраняет атрибуцию.

И это принципиально: раскрытие должно поднимать статус человека, а не стирать его.

Не облагать эффективность налогом

Если сотрудник знает, что сэкономленный час немедленно заполнится новыми задачами категорий D, E, F, у него нет мотива показывать, что он стал работать быстрее. Нужна явная договорённость о том, как используется выигранное время – глубокая работа, развитие, более сложные проекты, восстановление. Правило работает только если сотрудник видит личную выгоду, а не только выгоду для компании.

Логика та же, что в отношениях с поставщиками: партнёры охотнее раскрывают способы снизить стоимость, когда часть экономии остаётся им, а не уходит полностью в виде более низкой цены.

Поощрять не продуктивность, а умножение

Таблицы лидеров AI-эффективности и разовые бонусы за лайфхаки создают соревновательный климат – а исследования показывают, что именно такой климат увеличивает скрытие знаний между коллегами. Нужна другая метрика: не «кто использует ИИ лучше всех», а «чей метод переняли другие».

Конкретно: атрибуция в результатах команды за методы, которые другие приняли на вооружение; защищённое время на дальнейшие эксперименты; прозрачная обратная связь – где использован вклад, что изменилось, какое признание это даёт. Разница между «сдай своё преимущество» и «стань признанным умножителем».

Эксперимент с продавцами (случайные пары, структурированные встречи) показал: разговоры о том, что работает и почему, дали устойчивый рост продаж более чем на 15% на протяжении минимум 20 недель. Коллективные стимулы в одиночку давали краткосрочный эффект – только в сочетании с нормой «мы делимся тем, что работает» они становились устойчивыми.

Реагировать правильно в первые тридцать секунд

Это самый важный пункт. И самый дешёвый.

Когда сотрудник показывает свой AI-метод, реакция руководителя – самый точный сигнал о том, что происходит на самом деле с декларируемой «культурой открытости». Скептический вопрос, видимое разочарование, даже нейтральное «интересно» без реального интереса – и человек запоминает: раскрытие не платит. Следующий эксперимент останется при нём.

Есть более тонкая ловушка. Благонамеренная реакция: «Отлично! Теперь объясни это всей команде». Это превращает честность в неоплачиваемый труд. Сотрудник, поделившийся находкой, не должен становиться её вечным евангелистом. Компания берёт на себя распространение – а человек сохраняет признание.

В статье о thinkslop мы разбирали другую сторону той же проблемы: когда AI заменяет мышление вместо того, чтобы его усиливать. Скрытие AI-знаний – зеркальная ситуация: организация лишает себя коллективного интеллекта не потому, что его нет, а потому что культурные условия делают обмен невыгодным.

Хороший AI-результат выглядит убедительно – плохой тоже. Понять разницу на реальных управленческих задачах, прежде чем она стоила вам времени или репутации, – именно для этого устроен открытый модуль mysummit.school.

Предупреждение о корпоративных инструментах

Отдельный вывод исследования заслуживает внимания для тех, кто сейчас внедряет корпоративные AI-решения.

Одобренные инструменты логируют промпты, итерации и успешные методы. Именно это делает их потенциально ценными для организации: можно идентифицировать, кто что открыл, атрибутировать это и распространить. Но это же делает их опасными в среде низкого доверия: те же данные можно использовать для извлечения метода, его документирования и передачи другому.

Данные исследования показывают: там, где доверие высокое, одобренные инструменты усиливают открытый обмен. Там, где доверие низкое, – усиливают скрытие. Корпоративный AI-rollout в дисфункциональной культуре не исправит её. Он закрепит паттерны скрытия.

Это прямо связано с тем, что Benedict Evans описывает как разрыв задача–профессия: задокументированная задача легко передаётся, а профессиональное суждение – нет. Когда сотрудники чувствуют, что корпоративный инструмент документирует их задачи для передачи, они рационально переводят самую ценную работу на личные инструменты.

Парадокс, который стоит зафиксировать

57% скрывают AI-использование. 80% понимают, что обмен помог бы команде. Разрыв между этими двумя числами – это не проблема инструментов и не проблема политики. Это цена недоверия, выраженная в непереданном знании.

Организации, которые сосредоточены только на том, используют ли сотрудники ИИ, – задают неправильный вопрос. Stanford AI Index 2026 фиксирует 88% внедрения ИИ в компаниях. Но внедрение инструмента и организационная выгода от него – разные вещи. Настоящий вопрос: достаточно ли сотрудники доверяют организации, чтобы показывать, что они открыли?

Пока ответ «нет» – ROI от ИИ будет распределён по личным карьерам, а не по командным результатам. Это не заговор сотрудников против компании. Это разумный ответ на то, как компании исторически обращались с личной эффективностью.

Изменить это можно. Но сначала нужно честно ответить на вопрос: что происходит с человеком, который показывает руководителю свой метод прямо сейчас?

Читайте также

Менеджер как супервайзер агентов: что стоит за отчётом Google

GLM-5: от вайб-кодинга к ИИ-агентам

Thinkslop: как ИИ незаметно подменяет ваше мышление

Почему ИИ-пилоты на заводе умирают между демо и цехом