Работодатели всё чаще жалуются на «рабочий мусор» — результаты, которые выглядят профессионально, но лишены смысла. Термин уже получил название workslop, а конфликты из-за халтурной работы ИИ доходят до судов.

Но есть и другая сторона: в погоне за метриками компании сами подталкивают сотрудников к имитации. Яркий пример — Amazon. Там запустили внутреннего ИИ-агента MeshClaw и обязали 80% разработчиков использовать его еженедельно. Отчёты о потраченных токенах поступают менеджерам. Результат: сотрудники ставят агенту бессмысленные задачи — просто чтобы «сжечь» токены и выполнить KPI.

Мой взгляд: проблема тут не в бесполезности ИИ, а в том, как мы измеряем продуктивность при внедрении нейросетей. Считать токены — всё равно что оценивать программиста строками кода.

Без чётких критериев качества бизнес рискует получить лавину бессодержательных нейрослопов и потерять миллионы на токены и время сотрудников, «работающих» с ИИ. По данным исследований, сотрудники тратят до двух часов в неделю, просто «разгребая» такой мусор.

Что делать руководителям: внимательно проверьте, как сформулированы для вашей команды цели, связанные с ИИ. Оценивайте не объём (количество генераций контента или токенов на рабочие задачи), а результат (рост эффективности работы в ключевых метриках вашей компании).

Иначе в вашей команде сработает закон Гудхарта: когда мера (использование ИИ) становится целью, она перестаёт быть хорошей мерой.

💜 - если тема откликается

💬 - поделитесь мнением в комментах