AI опасен? Опасна рутина, которая съедает вашу карьеру, время и нервную систему. В России это особенно заметно: перегруженные специалисты, отчеты для отчета, согласования «на всякий случай» и вечное «нет времени подумать стратегически». Ко мне пришел один эксперт по маркетингу из крупной компании: горит, все знает, в ИИ разбирается теоретически, но половину дня тратит на сведение таблиц и переписку с подрядчиками. Начальство ждет прорывных идей, а он вечером еле живой. Я посмотрела на весь этот хаос и поймала себя на мысли: ему угрожает не искусственный интеллект, а то, что он каждый день делает руками то, что давно можно было передать нейросети. В этой статье я разберу, как отличать реальные риски ИИ от выдуманных, где рутина уже сегодня съедает вашу ценность как эксперта и что можно делегировать умным моделям, не превращая работу в эксперимент на себе.
Меня зовут Мария Литвинова, я веду канал «ИИ без истерики» и каждый день вижу один и тот же перекос: люди боятся, что ИИ их заменит, но при этом не пользуются тем, что уже доступно. Мета-уровень тут простой: страх перед «умной машиной» часто закрывает куда более приземленный страх — признать, что часть нашей работы давно стала механической, и за нее необязательно платить зарплату человеку. Если честно, мне самой было неприятно это в себе увидеть пару лет назад, поэтому я очень хорошо понимаю сопротивление.
Тот самый маркетолог, о котором я упомянула, пришел с вопросом «что мне делать, если ИИ сделает контент лучше меня» и довольно быстро выяснилось, что проблема вообще не в этом. Его дни были забиты задачами уровня «пересобери бриф», «сделай сводку отзывов», «подготовь три варианта письма клиентам», которые он мог бы закрывать нейросетью, а сам заниматься аналитикой и гипотезами. На словах он это понимал, а на деле продолжал все делать вручную, потому что «так надежнее». Я решила, что на этом кейсе покажу, как можно вытащить себя из рутины, не разрушая систему вокруг и не споря с начальством. Позже мы к нему еще вернемся, там есть цифры, которые меня саму удивили.
Почему разговор «AI опасен?» уводит от настоящей проблемы
Если смотреть трезво, AI опасен в двух случаях: когда его используют без понимания ограничений и когда на него перекладывают ответственность, которая должна оставаться у человека. Все остальные страхи чаще про культуру работы и про то, как устроен рынок специалистов в России. Я заметила, что те, кто больше всего боится «умных алгоритмов», обычно меньше всего автоматизируют даже базовые процессы у себя. Они не используют шаблоны промптов, не сохраняют удачные связки сервисов, каждый раз начинают с нуля — и в итоге устают не от ИИ, а от самого себя. Здесь полезно сначала разложить по полочкам, где объективные риски, а где просто фон тревоги.
Чтобы зафиксировать несколько базовых тезисов, удобно вынести их в короткую цитату, к которой можно будет вернуться позже, когда речь пойдет о практике.
Настоящая угроза не в том, что ИИ «отберет работу», а в том, что вы годами продолжаете делать работу уровня ассистента, называя это «экспертизой». ИИ лишь обнажает это несоответствие.
Где реально есть риски от ИИ, а где их нет (для российских специалистов)
В России сейчас смешная ситуация: с одной стороны, ограниченный доступ к некоторым западным сервисам, с другой — огромный спрос на автоматизацию в компаниях всех размеров. Это создает странный вакуум: формально все говорят про ИИ, но часто ограничиваются парой презентаций про «цифровую трансформацию». Я вижу три зоны, где опасения обоснованы. Первая — юридические и регуляторные риски: данные клиентов, коммерческая тайна, персональные данные. Здесь правда нельзя просто взять и выгрузить все в публичный чат, потом развести руками. Вторая — качество и галлюцинации моделей, особенно при работе с фактами. Третья — эффект «мы все уволим людей и заменим нейросетями», когда управленцы воспринимают ИИ как повод сокращать штат, не перестраивая процессы (хотя сама я так делала ровно один раз в своем проекте, и до сих пор это вспоминаю не очень спокойно).
Если кратко: да, AI опасен, если ты бездумно заливаешь в него конфиденциальную информацию и слепо веришь любому ответу. Но рутина опаснее тем, что она действует медленно и незаметно. Ты не просыпаешься однажды «уволенным ИИ», ты просто через несколько лет обнаруживаешь, что твоя роль сводится к проверке чек-листов, и тебя легко заменить. Это критично, потому что нейросети как раз снимают ценность с людей, которые застряли на уровне переписчиков и сводящих таблицы. Получается, что если оставить все как есть, то ты сам подводишь свою карьеру к тому обрыву, которого так боишься от ИИ.
Чтобы не зависать в общих словах, нужно перейти к тому, что сейчас можно сделать руками, используя нейросети как инструмент, а не пугало.
Как понять, что вас «съедает» рутина, а не ИИ
Я часто прошу людей описать свой рабочий день по шагам, без красивых слов из должностной инструкции. Без «разработка стратегий», а честно: открыл почту, проверил отчеты, ответил на вопросы, скинул задачу дизайнеру. На этом этапе редко кто чувствует себя комфортно. В процентах распределение обычно такое: 50-70% времени уходят на повторяющиеся операции, которые можно хотя бы частично поручить ИИ. Это переписка по шаблону, черновики текстов, первичная аналитика, структурирование информации, сводки по встречам. Оставшиеся 30-50% — то, что действительно требует вашей головы: принятие решений, расстановка приоритетов, сложные переговоры, создание нестандартных идей, ответственность за результат.
Чтобы было проще «нащупать» у себя эти зоны, хорошо работает небольшой список маркеров. Это не тест, а скорее повод посмотреть на свою работу трезво.
- Правило: если задачу можно описать как «то же самое, что вчера, только про другой продукт» — там почти всегда есть место ИИ.
- Формула: чем больше в задаче копирования, переноса, перефразирования, тем выше шанс автоматизации.
- Признак: вы испытываете усталость без ощущения роста, как после однообразной физической работы.
- Сигнал: вам сложно объяснить, за что именно вам платят, кроме «я все это держу в голове».
- Маркер: когда вы в отпуске, часть задач просто зависает, потому что «только вы знаете, как правильно написать».
Как только человек честно признает, что его забирает рутина, разговор про «AI опасен?» меняется. Вопрос становится не «заберут ли у меня работу», а «что из этого я могу перестать делать руками уже в этом месяце». И здесь начинается самая интересная часть.
Как использовать AI так, чтобы он стал напарником, а не угрозой
Если продолжать тему «AI опасен?», то лучший способ снизить риск — сделать его частью своих процессов, а не внешним монстром. Когда ты работаешь с ИИ регулярно, страх сменяется пониманием: вот здесь он силен, вот здесь ошибается, здесь экономит два часа, а тут только мешает. Помнишь про ситуацию из начала? Тот маркетолог как раз относился к ИИ как к чему-то из внешнего мира, а не как к рабочему инструменту, стоящему рядом с Excel и корпоративным чатиком. Я предложила ему подход: выбирать 2-3 конкретные рутины в неделю и экспериментировать только с ними. Никаких больших «проектов по внедрению ИИ», только точечные задачи.
Чтобы не потеряться в возможностях, полезно выделить несколько простых правил: с какими задачами идти в нейросети в первую очередь, а какие лучше пока оставить стороне. Этот набор критериев у меня постоянно уточняется, но базовая логика держится.
Если задача повторяется чаще двух раз в неделю, не требует доступа к секретным данным и результат можно быстро проверить — ее почти всегда стоит попробовать делегировать ИИ.
С каких задач безопаснее всего начинать работу с нейросетями
Когда я первый раз столкнулась с массовым запросом «Мария, с чего начать, чтобы не наломать дров», я долго пыталась придумать идеальный перечень задач. Потом осознала, что идеального нет (забудь, что я только что сказала — есть все-таки одно универсальное правило): нужно идти от того, где вам сейчас больнее всего. У кого-то это бесконечные письма, у кого-то написание однотипных отчетов, у кого-то структурирование входящих данных от разных отделов. Но есть набор категорий, которые почти у всех оказываются «низко висящими фруктами». Это черновики текстов, резюме встреч, переписка в вежливом стиле, простая сегментация данных и первичные идеи для контента.
Чтобы это звучало не абстрактно, перечислю, какие формулировки промптов я даю людям вначале. Это именно формулы, а не готовые тексты, их надо адаптировать под свои задачи, но каркас похожий.
- Попросить ИИ «пересобрать» текст: превратить сухой список в связный текст или наоборот.
- Дать модели черновые заметки и запросить краткое резюме с выделением 3-5 ключевых выводов.
- Сформулировать цель письма («убедить, напомнить, сообщить плохую новость») и попросить 2-3 варианта текста.
- Скинуть таблицу или список и попросить разбить по категориям, которые вы заранее задаете.
Я заметила, что люди часто пытаются начать с «сложного» — например, сразу поручить ИИ стратегию маркетинга или детальный медиаплан. Это как дать новичку вождения фуру вместо маленькой машины. Начинайте с задач, где ошибиться не страшно, а эффект от удачного результата заметен. Тогда и вы сами спокойнее к этому относитесь, и руководители не нервничают.
Как выстраивать промпты, чтобы не получить «водянистую» ерунду
Самый частый упрек: «я попробовал, но ИИ пишет общие фразы, так я и сам могу». Да, если дать модели промпт уровня «написать текст про пользу ИИ», результат будет именно таким. На практике рабочий промпт выглядит как короткий бриф, а не просьба. Я прошу людей вписать контекст, роль модели, формат выходных данных и критерии качества. Например: «Ты — помощник маркетолога в B2B, твоя задача — из этих заметок сделать черновик письма клиентам на 1500 знаков, без пафоса, с акцентом на снижении рутины. Важно: не обещай ‘рост продаж’, не используй англицизмы, избегай восклицательных знаков». Звучит длинно, но по факту занимает минуту, а экономит час правок.
Здесь удобно подсветить один момент, который часто недооценивают: качество входных данных почти всегда важнее «магичности» модели. Если вы кормите нейросеть разрозненными кусками, неполной информацией и противоречивыми требованиями, на выходе получите то же самое, только красиво оформленное. Поэтому я обычно предлагаю правило «трех попыток»: первую используем как разведку, во второй добавляем недостающие ограничения, в третьей уже шлифуем формулировки. Если после трех итераций все равно получаете откровенный мусор, либо задача плохо сформулирована, либо действительно ее лучше решать руками. Это означает, что ИИ в вашем процессе не должен быть фетишем, а остается обычным инструментом, как калькулятор.
Плавно подбираемся к более живой части — где я сама системно ошибалась, пытаясь заставить ИИ делать за меня то, что нельзя делегировать целиком.
Где я сама обожглась на ИИ и рутине (и что из этого можно вынести)
Иногда мне кажется, что мой главный «университет по ИИ» — это не статьи и конференции, а собственные шишки. Я несколько раз пыталась отдать нейросети то, что было моей ядровой экспертизой, и каждый раз получала мягко так себе результат. И наоборот, какие-то «недостойные эксперта» задачи упрямо держала у себя, хотя их можно было спокойно автоматизировать. Возвращаясь к тому, с чего начала, в этом я очень похожа на того маркетолога: головой все понимала, а делала по старой привычке. В этой части поделюсь парой ситуаций, где мне пришлось пересобирать свои процессы, чтобы не утонуть в рутине и не сместиться в сторону «операциониста ИИ», который только нажимает кнопки.
Для начала разберу историю, где я слишком поверила в модель и недооценила человеческий фактор. Это был проект по обучающим материалам для команды продаж, и я решила максимально опереться на нейросеть, чтобы ускорить подготовку кейсов и скриптов. На бумаге все выглядело отлично, на деле вышла довольно грустная каша.
ИИ отлично справился с «текстом как текстом», но полностью провалился там, где нужно было передать интонацию живых продавцов, их сленг, внутренние шутки и неформальные маркеры доверия между ними и клиентами.
Попытка №1: «пускай ИИ сам напишет весь контент» (нет, подожди, есть нюанс)
Я решила протестировать идею «максимальной автоматизации» на одном модуле курса. Сначала собрала список тем, сформулировала требования к тону и стилю, выгрузила несколько реальных диалогов. Потом построила большую цепочку промптов: от анализа исходников до генерации финальных скриптов. В теории все выглядело логично: ИИ как будто бы учится на живых примерах и создает адаптированные тексты под разные типы клиентов. На первых черновиках я даже обрадовалась: структура появилась, логика сохранилась, тексты были гладкие и вежливые. Но потом я показала это двум опытным продавцам — и получила очень честную реакцию 🙃.
Они сказали примерно следующее: «Да, красиво, но так никто не говорит. Живой человек так не задает вопросы, так не шутит, так не выходит из конфликта». И я поняла, что, пытаясь сэкономить себе время, я чуть не выкинула самое ценное — живую речь людей, которая и создает результат. Пришлось перестроить процесс: оставить за ИИ подготовку структуры, формулировку нейтральных частей (описания продукта, ответы на частые вопросы), а все критичные реплики и «острые углы» писать вместе с продавцами. Это было медленнее, чем хотелось, но зато материал действительно «зашел» команде. Получается, что здесь ИИ оказался полезным ассистентом, но попытка сделать из него автора всего контента провалилась.
Этот опыт сильно отрезвил и помог мне четче разделять: вот тут ИИ ускоряет, а вот тут — только размывает индивидуальность и снижает качество. Дальше я уже входила в проекты с другим ожиданием, и нервов ушло заметно меньше.
Попытка №2: «я сама все сделаю, а ИИ потом чуть-чуть поможет»
Противоположная крайность настигла меня позже, когда я начала активнее вести образовательные форматы для экспертов. Тут сработала старая профессиональная деформация: раз я «про ИИ», значит, должна быть максимально «человечной» и не полагаться на модели в подготовке. В итоге я неделю руками сводила отчет по обратной связи, сортировала вопросы, выстраивала план следующих встреч. Только на третьем проекте я села, вздохнула и честно спросила себя: почему я делаю это без нейросетки, хотя сама же всем рассказываю, как она экономит часы.
Я решила провести над собой маленький эксперимент: всю «грязную работу» по анализу анкет, группировке вопросов, вычленению повторяющихся тем отдать ИИ, а себе оставить только принятие решений. Загрузила обезличенные ответы, задала критерии сегментации, потом попросила модель выделить топ-5 болей и топ-5 ожиданий. На второй итерации уточнила формулировки, на третьей проверила против исходных данных. Результат меня смутил (в хорошем смысле): время на подготовку следующего блока сократилось почти вдвое, а качество структуры даже улучшилось, потому что ИИ не ленился просматривать все ответы, а не только те, что бросались в глаза.
Вот здесь работает простой, но неприятный вывод: если ты принципиально не используешь ИИ там, где он явно помогает, ты не «чистый профессионал», а человек, который добровольно сливает свое время. Мне было не очень приятно это в себе признать, но после этого я стала гораздо спокойнее относиться к автоматизации рутинных частей работы. И да, иногда я все еще срываюсь в режим «я сама», но теперь хотя бы замечаю это.
Что на самом деле меняет ИИ в карьере эксперта и как к этому подготовиться
Когда пыль вокруг вопроса «AI опасен?» немного оседает, остается более трезвая картина. ИИ не равен увольнениям и катастрофе, но он сильно меняет пропорции: сколько времени вы тратите на обработку информации, а сколько — на создание ценности. Возвращаясь к истории того маркетолога из начала текста, именно здесь произошел сдвиг. Мы не стали делать из него «оператора нейросетей», не стали автоматизировать все подряд. Вместо этого недельно вынимали по 2-3 рутины и смотрели, что можно упростить без риска для качества. Через пару месяцев его рабочий день стал выглядеть совсем иначе, хотя должность и формальные задачи не поменялись.
Чтобы не зависать в общих рассуждениях, хочу показать, какие именно изменения в карьерной траектории я вижу у тех, кто сознательно внедряет ИИ в свою работу, и у тех, кто продолжает жить как прежде. Это не про «станешь богатым и свободным», а про более мелкие, но заметные сдвиги.
Эксперт, который умеет делегировать рутину ИИ, со временем становится «оркестровщиком процессов», а не «человеком, который все делает сам». Это другая позиция на рынке труда.
Как меняется роль эксперта, если он внедряет ИИ осознанно
На практике это выглядит так: сначала вы учитесь снимать с себя самые механические операции. Потом начинаете влиять на процессы вокруг — показывать коллегам, как упростить отчеты, как подготовить шаблоны, как включить ИИ в типовые согласования. В какой-то момент вы оказываетесь тем человеком, который «разруливает» не только свои задачи, но и помогает команде меньше тонуть в рутине. И да, это добавляет ответственности, но и роль на переговорах о деньгах и свободе у такого человека совсем другая. Я не идеализирую, в российских компаниях все еще полно консерватизма, но там, где результат виден, разговор проще.
Чтобы не казаться голословной, перечислю по шагам, что меняется в компетенциях. Это поможет понять, к чему готовиться уже сейчас.
- Шаг: вы начинаете мыслить в терминах «процессов», а не отдельных задач, видите цепочки, где ИИ может включиться.
- Переход: от навыка «уметь все сделать самому» к навыку «уметь грамотно ставить задачу модели и людям».
- Сдвиг: вместо гордости за «загруженность» появляется интерес к тому, как освободить себе блоки времени для работы головой.
- Результат: вы становитесь менее уязвимыми к сокращениям, потому что умеете делать команду продуктивнее, а не только себя.
- Бонус: появляется пространство для обучения и экспериментов, которое раньше съедали письма и бесконечные согласования.
Звучит немного пафосно, но по сути речь о простой вещи: рынок все меньше платит за механическую обработку информации и все больше — за умение организовать эту обработку. ИИ здесь не конкурент, а как раз тот инструмент, через который эта организация становится возможной.
Где проходят границы: что можно делегировать ИИ, а что нет
У меня нет универсальной таблицы «это человеку, это ИИ» (если бы она была, мир был бы слишком прост), но есть несколько ориентиров, которые постоянно подтверждаются в работе. Все, что связано с ответственностью за людей — мотивация, конфликты, решения об увольнениях и найме — не стоит отдавать модели. Она может подсказать формулировки, помочь проверить текст письма, но финальный выбор здесь всегда на человеке. То же касается сложных стратегических решений, где цена ошибки высока и данных мало. ИИ может помочь разложить аргументы, сгенерировать сценарии, но не должен быть «судьей».
Зато нейросети прекрасно чувствуют себя в зонах, где важно быстро перебирать варианты, структурировать большие объемы информации и готовить черновики. Я поняла, что критерий очень простой: если ошибку легко заметить и дешево исправить, задачу можно смело пробовать автоматизировать. Если же промах может стоить репутации, больших денег или чьего-то здоровья, ИИ остается помощником, но не решающим голосом. Это не отменяет автоматизации, но меняет распределение ролей: модель готовит поле, человек принимает решение.
Теперь вернемся к тому маркетологу, чтобы не бросать историю в воздухе… Мы с ним прошли через несколько волн таких разграничений, и цифры получились интересные. Они хорошо показывают, как небольшие, но системные изменения отъедают у рутины время, а не у вас — карьеру.
Чем закончилась история с маркетологом и что с этого можно взять себе
В начале текста я упомянула специалиста по маркетингу, который тонул в рутине и боялся, что AI опасен для его профессии. Мы работали с ним точечно, без глобальных «цифровых трансформаций». Сначала выбрали три типа задач: подготовка еженедельных отчетов, черновики писем клиентам и сводка обратной связи из комментариев и опросов. На каждом из этих блоков мы поочередно включали ИИ: прописывали промпты, настраивали формат отчета, договаривались, сколько итераций он себе разрешает, прежде чем «забрать» задачу обратно. По ощущениям первые две недели ушли не на экономию, а на обучение — но это та инвестиция, которая потом окупилась.
Через полтора месяца он принес мне свои замеры. Время на подготовку отчетов сократилось примерно с пяти часов до двух в неделю, на письма клиентам — с трех часов до часа-полутора, на сводки по обратной связи — с четырех часов до часа. В сумме набежало около 8-9 часов в неделю, которые раньше просто растворялись в календаре. Эти часы он начал целенаправленно забивать задачами другого уровня: анализом воронки, тестированием гипотез, подготовкой предложений для руководства. Ирония в том, что его начальник первым заметил изменения не по отчетам, а по качеству разговоров на встречах: у человека просто появилось время подумать до созвона, а не во время.
Я подчеркну один момент, который мне самой кажется ключевым: ни одна из автоматизированных задач не «убрала» его с процесса полностью. Он по-прежнему проверял отчеты, правил письма, просматривал сводки. Но вместо того чтобы 100% времени тратить на сбор и оформление, он тратил 20-30%, оставляя остальное на анализ и принятие решений. Это и есть та самая смена роли, о которой я говорила выше. ИИ не заменил его как маркетолога, но снял с него часть работы ассистента, которую он долгое время просто не осознавал как отдельную функцию.
Если вернуться к стартовому вопросу «AI опасен?», то для него картина стала куда спокойнее. Опасно оказалось не то, что ИИ научится писать тексты, а то, что он сам мог бы так и остаться «человеком, который все сводит». Рефлексия на этом месте полезна всем нам, в любой сфере: где я сейчас делаю работу, которую ИИ уже умеет делать лучше или хотя бы быстрее, и почему я все еще держусь за нее. Ответы бывают неприятные, но дальше с ними можно что-то делать.
Что ещё важно знать
Вопрос: Можно ли полностью полагаться на ИИ для создания контента?
Ответ: Я бы не стала, даже если модель кажется очень умной. ИИ отлично помогает собирать идеи, делать черновики и структурировать материал, но финальная ответственность за смысл, факты и тон всегда на человеке. Оптимальная связка выглядит так: ИИ для скорости и широты, человек для отбора, точности и живости.
Вопрос: Как часто нужно обновлять свои промпты и подходы к работе с нейросетями?
Ответ: Я пересматриваю промпты примерно раз в 2-3 месяца или когда меняется задача. Если качество ответа стабильно устраивает, трогать ничего не нужно. Если вы ловите себя на том, что каждый раз долго дописываете и уточняете одно и то же, значит, пора обновить формулировки и добавить в них больше контекста.
Вопрос: Что делать, если руководство против использования ИИ на работе?
Ответ: В такой ситуации лучше не спорить в общем, а показывать точечные кейсы. Начните с задач, которые не касаются конфиденциальных данных, сделайте «до/после» по времени и качеству и уже с этим идите к руководителю. Часто сопротивление связано не с самим ИИ, а с опасением за безопасность и потерю контроля, и конкретные примеры помогают это снять.
Вопрос: Можно ли использовать публичные ИИ-сервисы для работы с данными клиентов?
Ответ: Я бы избегала этого без четких правил и согласований с юристами компании. Персональные данные, коммерческая информация и любые чувствительные сведения лучше обрабатывать либо в закрытых корпоративных решениях, либо анонимизировать перед загрузкой. Тут риски вполне реальны, и экономия времени не стоит возможных последствий.
Вопрос: Сколько времени нужно, чтобы ИИ реально начал экономить часы, а не забирать их на обучение?
Ответ: У большинства специалистов, с которыми я работаю, первые ощутимые эффекты появляются через 3-4 недели регулярной практики. Сначала вы действительно тратите время на эксперименты и промпты, но по мере накопления удачных шаблонов эффективность растет. Если через два месяца вы все еще не чувствуете выгоды, стоит пересмотреть список задач или формат взаимодействия с моделью.
Куда двигаться дальше, если хочешь меньше рутины и больше смысла
Если дочитал до этого места, скорее всего, у тебя уже есть внутренний запрос: не просто «понимать про ИИ», а реально встроить его в свою работу так, чтобы она стала легче и осмысленнее. Я не верю в универсальные рецепты и чек-листы «на все случаи», но вижу, как сильно помогает регулярная практика на реальных задачах. Когда вместо абстрактных страхов «AI опасен?» появляются конкретные промпты, эксперименты и цифры, разговор становится спокойным и деловым.
Для тех, кто готов идти в эту практику, я веду телеграм-канал «ИИ без истерики», где разбираю живые кейсы, делюсь рабочими формулировками и показываю, как использовать нейросети как напарника, а не замену. Если хочется структурировать знания и постепенно выстроить свою систему работы с ИИ, можно присоединиться через ссылку на мой канал в Telegram. Там я регулярно отвечаю на вопросы, разбираю типичные ошибки и даю задачи, которые помогают не просто читать про ИИ, а действительно разгружать себя от рутины. Это не про «один волшебный инструмент», а про постепенную смену роли: от «человека, который все делает сам», к эксперту, который управляет процессами и использует технологии осознанно.